诺禾致源

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。

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。