1.参与大模型应用+RAG+Agent能力体系建设：在资深工程师指导下，参与公司自研通用AI问答助手的能力体系搭建与迭代，协助完成通用对话、内容生成、逻辑推理、多轮交互等能力的开发与调优；参与RAG检索增强生成链路（文档处理、向量化、检索召回、重排序、答案生成）的建设与优化；参与AI Agent自主任务执行能力的探索与落地; 2.参与产品体验对标优化：协助对标头部AI产品，拆解能力差距与体验短板，参与通用知识问答、逻辑推理、文案创作、多轮连贯交互、拟人化对话体验等方向的专项优化；同时参与复杂任务拆解、自主规划、分步执行、任务闭环、多工具协同等Agent核心能力的开发与调试; 3.RAG检索链路深度优化：参与文档解析与切分策略优化、Embedding模型选型与调优、向量检索召回率提升、混合检索（向量+关键词）策略落地、Rerank重排序效果优化、检索结果与答案生成的协同调优等工作，持续提升基于知识库的问答准确性与引用可靠性; 4.LLM应用层与Agent能力开发：参与系统化Prompt工程、CoT思维链推理、多轮对话记忆、问答风格定制、幻觉抑制等通用问答优化工作；参与Agent任务规划框架、任务拆解、执行链路调度、工具调用编排、任务纠错等核心能力的开发与测试； 5.对话数据迭代与样本建设：协助进行问答场景数据沉淀、badcase分析与问题归类，参与RAG知识库构建与质量治理、样本筛选与高质量数据集构建，配合完成模型微调相关的数据准备与效果验证工作； 6.前沿技术学习与预研：持续跟进大模型对话、RAG检索增强、智能Agent、自主任务编排、工具调用、长上下文理解等前沿技术，在导师指导下完成技术调研与原型验证，为产品能力升级提供输入； 7.算法工程化落地：对接前后端产品研发，参与对话算法逻辑、RAG检索服务、Agent执行链路的落地与联调，参与线上效果监控与问题复盘，在实践中积累工程化交付经验。

1.2027 届应届毕业生，本科及以上学历，计算机、人工智能、大数据、软件工程、数学等相关专业； 2.对大模型应用开发、RAG、AI Agent、智能对话产品有浓厚兴趣，有相关课程项目、实习经历或开源贡献者优先； 3.具备良好的工程基础和快速学习能力，有较强的问题排查意识和团队协作精神，愿意在大模型应用方向长期深耕； 4.了解LLM核心特性与常见应用范式，熟悉Prompt工程基本方法，对CoT思维链、多轮对话管理、上下文记忆等概念有实践或认知；了解RAG基本原理与架构（文档解析、向量嵌入、向量检索、重排序、答案生成），有使用LangChain、LlamaIndex、Dify等框架搭建RAG Demo或课程项目经验者优先；了解向量数据库（如Milvus、Elasticsearch）基本使用方法者优先； 5.了解Agent任务拆解、工具调用、执行链路等基本原理，有使用LangChain LangGraph、Coze，Dify等框架搭建Agent Demo或完成课程项目经验者优先。了解大模型幻觉、回答质量等常见问题，对通过Prompt调优、RAG检索优化、样本构建、评测对比等方式提升问答准确性有实践经验者优先； 6.了解主流开源/闭源大模型（如GPT系列、Claude、Llama、Qwen、DeepSeek等）及主流Embedding模型、Rerank模型的基本特性与差异，有模型调用或微调��验经验者优先。熟练使用Python，具备良好的编码习惯和基础工程能力，了解RESTful API、前后端交互基本概念，有独立完成小型项目开发与调试经验者优先。