数据分析工程师-CD

招聘信息专业技能要求

一、AI Agent开发技能

1. 具备完整AI Agent开发与落地经验，掌握Agent核心架构，熟练实现任务拆解、自主决策、工具调用、多轮记忆、智能规划等核心能力。

2. 熟练使用LangChain、LlamaIndex等主流Agent框架，可独立搭建业务智能Agent，落地智能问答、自动化流程、业务研判等场景。

3. 具备Agent工具链集成能力，可对接接口、数据库及第三方系统，实现自动化任务联动与复杂场景智能处理。

4. 了解多Agent协作与任务调度，能够优化Agent对话逻辑与执行效率，保障服务稳定性。

5. 熟练掌握RAG技术，能够独立搭建向量知识库，优化检索问答效果，解决模型知识滞后、回答不准等问题。

二、传统业务开发技能

1. 扎实后端开发功底，熟练掌握 Python / Java 语言及主流框架，可独立完成业务需求开发与迭代。

2. 精通MySQL等关系型数据库，熟悉SQL优化、索引设计与事务处理；了解Redis、Milvus等缓存与向量数据库应用。

3. 熟悉微服务、接口开发与系统对接，具备AI Agent与传统业务系统融合集成开发能力。

4. 具备业务项目落地经验，能够结合AI能力改造和优化现有业务流程，实现AI+业务场景落地。

三、大模型微调核心技能

1. 掌握LLM主流微调技术，熟练使用 LoRA、QLoRA、SFT 等微调方案，具备业务模型定制微调落地经验。

2. 熟悉微调全流程，掌握数据集构建、清洗、标注与优化，可针对性解决模型幻觉、场景适配差等问题。

3. 熟练使用 PyTorch、Transformers、PEFT 等工具，掌握模型量化、推理加速等优化能力。

4. 熟悉主流开源大模型（Qwen、ChatGLM、Llama等），具备模型选型、二次开发与迭代优化能力。

四、通用技术与工程化技能

1. 熟悉Linux环境、Git版本管理，掌握Docker容器部署，了解模型与服务云端部署、运维流程。

2. 具备规范编码习惯与问题排查能力，可独立负责需求开发、测试、上线全流程。

3. 紧跟大模型与Agent技术生态，具备良好的技术攻坚与业务落地能力。