AI应用研发工程师分为前端、后端两个方向。 【前端方向】 1、负责AI应用系统的研发与迭代，基于大语言模型、多模态AI能力，搭建可视化、智能化业务交互页面，落地AI赋能的前端业务场景； 2、参与大模型应用、智能Agent、Prompt工程的落地开发，优化AI交互体验，包括智能问答、智能表单、AI投保交互、多模态内容展示等前端核心场景； 3、负责AI产品工程体系优化，解决大模型接口流式渲染、异步交互、页面状态管理、跨端适配等前端核心问题，提升AI系统的稳定性和用户体验； 4、配合算法、后端团队，完成多模态自动化系统的前端功能开发，对接AI模型服务接口，实现模型能力的前端可视化落地与业务赋能； 5、负责AI业务的数据展示、交互逻辑优化，梳理前端业务风险与体验问题，通过技术手段优化AI场景下的用户操作链路，提升业务自动化处理效率。 【后端方向】 1、参与团队AI应用类项目的后端研发，负责核心模块的设计、编码与联调，场景包括但不限于智能问答、知识库检索增强（RAG）、智能体（Agent）等； 2、对接大模型平台API及本地部署模型，完成提示词管理、上下文组装、流式输出、超时与重试等工程化落地； 3、与产品、前端、模型团队对接需求并完成接口设计，输出清晰、可维护的接口文档； 4、负责所负责模块的单元测试、联调与上线，跟进线上问题，持续优化响应时间、调用成本与稳定性； 5、参与代码评审与技术方案评审，沉淀可复用组件和团队最佳实践。

1、本科及以上学历，计算机科学、软件工程、电子信息、人工智能等相关专业； 2、对多模态大语言模型基础应用原理有了解，具备扎实的Prompt优化能力，有AI应用、大模型落地、智能体开发相关项目或实习经历者优先； 3、前端方向：熟悉前端开发技术栈，具备AI前端交互调试、智能Agent前端落地能力；后端方向：Java基础扎实，熟悉Spring Boot等主流框架，掌握MySQL等关系型数据库，了解Redis等缓存组件； 4、了解LLM基本原理及RAG、Agent、向量数据库等概念，动手做过相关Demo或课程项目者优先； 5、具备良好的逻辑思维与工程落地能力，学习能力强、自驱主动，具备良好的沟通协作能力，能高效协同团队推进项目落地。