AI研發工程師 職責： • 研究與評估最新AI技術，尤其是LLM相關應用 • 開發AI創意發想功能的原型(POC) • 設計與優化AI Agent的功能與性能 • 研究Agent端到端深度學習訓練 • 研發Agent RAG與GraphRAG的融合 • 與開發團隊合作將POC轉化為產品功能 • 持續改進AI模型性能與準確性 • 參與AI產品路線圖規劃 技能要求： • 熟悉機器學習與人工智能技術，Agent最新發展路線，MCP等核心工程技術 • 具備LLM應用開發經驗(如OpenAI API、Anthropic API等) • 熟悉Python與相關AI框架 • 了解前沿AI技術與研究趨勢 • 具備良好的原型開發能力 • 熟悉Prompt工程、AI Agent設計 • 具備自然語言處理(NLP)相關經驗者優先，LLM與深度學習方向為佳 經驗要求： • 2年以上AI相關開發或研究經驗 • 有LLM應用開發經驗者優先 • 具備AI創意工具或行銷科技經驗者優先

<think>嗯，用户想了解AI研发工程师的职责、技能要求和经验要求，特别是涉及LLM应用开发、Python、AI框架、Prompt工程、NLP和深度学习这些方面。首先，我需要整理这些信息，确保每个部分都涵盖到位。 首先，岗位职责方面，用户提到LLM应用开发，所以需要包括需求分析、模型微调、系统集成这些点。然后是技能要求，Python肯定是基础，AI框架比如PyTorch和TensorFlow，还有Prompt工程的具体技能，比如设计优化提示词，NLP和深度学习的基础知识也不能少。经验要求方面，可能需要项目经验，尤其是LLM相关的，还有工程化能力，比如部署和优化模型。 接下来要检查是否有引用相关的内容。引用[3]提到了Prompt Engineering中的设计原则，比如给予模型足够的推理时间和详细步骤，这部分可以引用到技能要求的Prompt工程部分。引用[1]提到Prompt Flow工具，可能和开发流程优化相关，可以放在职责或技能里。引用[2]关于本地知识库的自动问答，可能涉及系统集成，所以放在职责部分。 然后要考虑用户可能的深层需求。用户可能想转行或提升技能，所以除了列出要求，可能还需要一些学习建议或职业发展路径。不过用户没有明确问，所以暂时先按问题回答，最后可以考虑在相关问题里加入这些内容。 结构方面，按照职责、技能、经验分点，每个部分再细分小点，保持清晰。每个引用要自然地融入，比如在讲Prompt工程时引用[3]，在讲开发工具时引用[1]。确保每个引用标识正确，没有重复或错误。 还要注意用户提到的具体技术点，比如LLM应用开发、Python、AI框架等，确保每个点都有覆盖。例如，在技能要求里，Python需要强调熟练使用库和框架，AI框架部分要提到PyTorch和TensorFlow，以及分布式训练的经验。 经验要求部分，项目经验可能需要区分学术和工业，LLM相关经验要具体，比如微调、部署，工程化能力要包括模型压缩、API开发等。同时，引用[2]中的本地知识库问答可以作为系统集成的例子，引用到经验部分。 最后生成相关问题，要围绕职责、技能、经验展开，可能包括如何学习Prompt工程，LLM应用开发的挑战，职业发展路径等，这样用户能进一步探索需要的信息。 检查是否有遗漏，比如深度学习的基础是否包括常见模型结构，优化算法，或者实践经验。确保每个部分都有足够的细节，同时引用正确，保持回答的真实可靠。</think># AI研发工程师岗位解析 ## 一、岗位职责 1. **LLM应用开发** - 基于大语言模型（如ChatGLM-6B）开发智能对话系统、知识库问答等应用[^2] - 完成需求分析、模型微调（Fine-tuning）、系统集成和性能优化全流程 - 使用Prompt Flow等工具构建LLM应用开发流程[^1] 2. **算法研发与优化** - 设计并实现NLP/深度学习算法（如文本分类、序列标注、文本生成） - 开发Prompt Engineering方案提升模型表现[^3] ```python # 典型Prompt工程示例 def generate_prompt(context, question): return f""" 根据以下上下文回答问题，若信息不足请明确说明： 上下文：{context} 问题：{question} 要求：分步骤解释推理过程，最终结论用【】标注 """ ``` ## 二、核心技能要求 1. **编程能力** - 精通Python及常用库（NumPy/Pandas） - 熟悉PyTorch/TensorFlow等深度学习框架 - 掌握分布式训练、模型压缩等工程化技术 2. **Prompt工程能力** - 熟练使用思维链（Chain-of-Thought）、角色扮演等提示技巧 - 能通过结构化指令引导模型深度思考 3. **专业理论基础** - 深入理解Transformer架构及注意力机制 - 掌握常见NLP任务（如文本表示、序列建模） - 熟悉BERT/GPT等预训练模型原理 ## 三、经验要求 | 经验维度 | 具体要求 | |---------|----------| | 项目经验 | 2年以上LLM相关项目经历，有模型微调/部署经验 | | 工程能力 | 熟悉模型服务化（REST API）、性能监控等生产级部署 | | 领域知识 | 在特定领域（如金融、医疗）有知识图谱构建经验更优 |