• AI应用大模型 Agent RAG 交付 【
• 客户需求分析与AI场景落地深入客户业务场景，与业务人员、技术团队及管理层沟通，理解业务流程、痛点与核心诉求。 将模糊的业务需求拆解为清晰的问题定义、业务流程、功能边界及MVP方案。 识别适合通过LLM、Agent、RAG等技术解决的高价值场景，并完成技术可行性分析及方案设计。 能够独立完成从需求调研、方案设计、POC验证到生产交付的完整闭环。
• AI Native / AI Coding 驱动的端到端开发熟悉AI Native开发模式及Spec-Driven Development（规范驱动开发）理念。 能够熟练使用Codex、Claude Code等AI Coding工具辅助完成项目从0到1的快速开发。 能够通过AI工具完成需求分析、技术方案及文档生成、代码实现、前端页面生成、测试、Bug定位与修复、功能迭代及应用打包。 能够建立合理的Spec、Context、Task、Review等开发流程，利用AI提升个人及团队的开发效率与交付速度。 能够对AI生成的代码进行理解、Review、调试和重构，而非仅依赖AI生成代码完成开发。
• AI Agent 应用及工作流开发负责企业级AI Agent/智能体应用的设计、开发及交付。 熟悉LangChain、LangGraph等Agent开发框架，以及Dify、Coze等AI应用开发平台。 能够设计复杂Agent工作流，实现状态管理、上下文管理、长期/短期记忆、条件路由、任务拆解、结构化输出及多节点协作。 具备多Agent系统设计及工作流编排能力，能够根据业务复杂度选择合理的单Agent、Workflow或Multi-Agent架构。 掌握Function Calling / Tool Calling机制，能够完成API、数据库及企业内部系统等外部工具的接入。 理解并掌握MCP（Model Context Protocol），能够基于MCP设计模型与外部工具、数据及业务系统的标准化连接方式。
• RAG知识库及检索系统开发负责企业知识库及RAG系统的设计、开发、优化和交付。 理解从文档解析、数据清洗、Chunking、Embedding、索引构建，到Query理解、多路召回、结果融合、Rerank、Prompt构建及最终生成的完整RAG链路。 熟悉Embedding、BM
• HNSW、Hybrid Search、Query Rewrite、HyDE、Rerank等常见检索增强技术。 熟悉Milvus等向量数据库，能够根据业务数据规模、检索准确率及性能要求设计合理的索引与检索方案。 能够针对实际业务中的召回率、准确率、幻觉、长文档、复杂Query等问题进行定位和优化。
• 系统集成、部署与持续交付负责AI应用与客户现有业务系统、API、数据库及第三方服务的集成。 能够完成AI应用的本地、私有化或客户环境部署，解决环境、依赖、网络、权限及系统兼容性问题。 具备基础的Linux、Docker、Git等工程能力，能够独立完成应用部署、日志排查及常见运行问题处理。 根据项目实际情况完成应用打包、服务化部署及基础监控。 持续跟踪线上使用效果和客户反馈，快速定位问题并进行功能迭代和效果优化。
• FDE方法论与交付资产沉淀将客户项目中的解决方案、Prompt、Workflow、Agent、RAG Pipeline、工具接入方式等进行标准化沉淀。 建立可复用的Skill、Spec、Template、Component及交付工具包，提高后续项目交付效率。 总结不同行业、不同客户场景下的最佳实践，推动AI应用交付能力产品化、标准化。 根据项目需要，为客户提供技术培训、操作指导及相关技术文档。 【

• 】 必备能力
• AI Native 开发能力具备较强的软件开发基础，能够独立完成实际项目开发。 理解AI Native Development / Spec-Driven Development等新型开发模式。 熟练使用Codex、Claude Code等AI Coding工具，能够利用AI完成从需求、设计、编码、测试、Debug到迭代交付的完整开发流程。 具备较强的代码理解、Debug和工程问题解决能力，能够对AI生成代码进行有效Review和修改。
• AI Agent 工程能力有实际AI Agent / LLM Application项目开发经验。 熟悉LangChain / LangGraph中至少一种，了解Dify / Coze等AI应用开发平台。 理解Agent、Workflow、Multi-Agent等常见应用架构。 掌握状态管理、上下文管理、Memory、条件路由、结构化输出、Tool Calling / Function Calling等核心机制。 理解MCP协议，并具备实际使用或集成经验者优先。
• RAG 与检索工程能力理解RAG系统完整技术链路，而不仅限于调用现成知识库API。 熟悉Embedding、向量检索、BM
• HNSW、Hybrid Search、Query Rewrite、HyDE、Rerank等技术。 熟悉Milvus或其他主流向量数据库。 能够针对实际业务中的检索效果问题进行分析，并通过数据、实验和工程手段持续优化。
• 工程交付能力熟悉Python，具备良好的代码实现能力；掌握JavaScript / TypeScript等语言者优先。 熟悉Linux、Git、Docker等基础工程工具。 具备API、数据库、第三方系统集成经验。 能够独立完成POC、Demo及生产环境中的AI应用开发和问题排查。 具备从0到1快速构建可运行产品的能力。
• 业务理解与客户沟通能力能够直接面向客户进行需求沟通、技术交流和方案讲解。 不局限于"接需求写代码"，能够主动追问业务目标，识别真实问题并提出解决方案。 能够将业务语言转化为技术方案，也能够将复杂技术方案转化为客户可以理解的业务价值。 能够在需求不明确、信息不完整的情况下快速建立假设、

来自公开渠道的招聘信息，已清洗脱敏：不含企业名、HR 姓名与联系方式， 也不转载职位原文以外的内容。仅供了解岗位画像，不作为投递依据。

看全部岗位