(博士/硕士)AI开发工程师-全球产品中心(J13410)

职位描述

1、AI智能体（Agent）应用开发

参与企业级AI智能体应用的设计与开发，理解Agent基本架构、任务拆解、工具调用、流程编排等核心机制；

参与基于大模型的智能问答、智能分析、自动化任务等AI应用开发。

2、Agent工作流与任务编排

参与复杂任务的拆解与执行流程设计，学习并实践Prompt、Tool Calling、Workflow、多Agent协作等技术；

结合实际业务场景设计Agent执行流程，提高任务执行的准确性和稳定性。

3、大模型应用与效果优化

参与大语言模型的选型、调用及应用优化，理解不同模型的能力特点及适用场景；

通过Prompt优化、上下文管理、模型参数调整等方式提升AI应用效果。

4、知识库与RAG应用开发

参与企业知识库建设及RAG（检索增强生成）应用开发；

理解文档解析、向量检索、召回、重排序、上下文构建等基本技术，并持续优化知识问答效果。

5、AI应用工程化开发

参与AI应用的后端服务、接口及基础工程能力建设；

学习Docker、Kubernetes等工程化技术，参与AI应用部署、监控及运行维护。

6、AI应用评测与持续优化

参与AI应用测试集、评价指标及效果评测体系建设；

分析模型及Agent执行过程中的问题，定位Prompt、知识库、工具调用及模型能力等方面的问题并进行优化。

7、技术学习与创新实践

持续跟踪大模型、Agent、RAG、多Agent等相关技术发展，参与新技术验证与技术方案实践；

结合实际业务场景探索AI技术在生物信息、研发及生产等领域的应用。

任职要求

1、教育背景

计算机、软件工程、人工智能、数据科学、自动化、数学、统计、生物信息学等相关专业本科及以上学历；

具备较好的计算机基础、算法基础或AI相关专业基础。

2、核心技术能力

掌握至少一种编程语言，具备较好的Python开发能力；

掌握数据结构、算法、操作系统、计算机网络、数据库等基础知识；

解机器学习、深度学习及大语言模型基本原理；

了解Transformer、Embedding、向量检索、RAG等大模型应用相关技术；

了解Prompt Engineering、Function Calling、Agent、Workflow、Multi-Agent等基本概念和实现方式。

3、AI应用与工程能力

有大模型应用、Agent、RAG、智能问答等相关项目实践经验；

熟悉PyTorch、TensorFlow等至少一种深度学习框架者优先；

使用过LangChain、LangGraph、Dify等Agent/LLM应用开发框架者优先；

了解Docker、Kubernetes、微服务等基本工程技术者优先；

具备将AI模型能力转化为实际应用的意识和能力。

4、项目实践能力

在校期间有AI、大模型、Agent、机器学习、深度学习或软件工程相关项目实践；

能够独立完成从需求理解、技术方案设计、编码实现到测试验证的完整项目实践；

有科研项目、课程项目、竞赛、开源项目或个人AI项目成果者优先；

能够对项目结果进行分析，主动定位问题并持续优化。

5、综合素质

对AI、大模型及智能体技术具有较强兴趣和持续学习能力；

具备较好的逻辑分析、问题拆解和工程实践能力；

具备较强的主动学习和技术探索能力，能够快速学习新的AI技术和开发框架；

具备良好的沟通协作能力和技术表达能力；

对生物信息、生命科学或AI+Science方向有兴趣者优先。

6、加分项

有大模型、Agent、RAG、多Agent等相关科研或项目成果；

有高水平论文、专利、算法竞赛、AI竞赛或开源项目成果；

有GitHub等开源社区贡献或个人技术项目；

有模型微调、SFT、LoRA、量化、推理优化等实践经验；

有生物信息、生命科学或AI4S相关项目经历。

具备模型工程化与产品化经验（API化、平台化、云部署等）；

能将科研成果转化为可落地产品或解决方案。

5、综合素质

优秀的技术洞察力与创新能力，能够定义新方向；

强跨部门沟通能力，能够连接科研、工程与商业；

英语流利，可阅读国际前沿文献并参与国际合作。

6、加分项

有生物大模型（如基因序列模型、蛋白模型等）开发经验；

参与过国家重大科研项目或产业化项目；

在Nature / Science / Cell / BioRxiv / NeurIPS / ICML等发表相关成果；

熟悉知识图谱、AI Agent、自动化科研（Auto-Science）等前沿方向；

有团队管理或技术负责人经验。