AI应用研发工程师（27届毕业生—研究生）

【AI应用研发工程师】 职位要求 1.基础条件：计算机、软件工程、人工智能等相关专业优先。 2.专业能力 ● AI编程工具重度玩家：Cursor、Claude Code等AI编程工具重度或顶级玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码。 ● 大模型理解与掌握： 理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现；熟悉主流大模型的应用范式（Prompt Engineering、RAG、Agent、工具/函数调用、检索增强等）及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路。 ● 委托编排与人机协作： 具备任务拆解、分层与分布设计能力，能完成上下文供给与约束注入，处理多agent协作与冲突治理。 ● 验证与交付工程： 掌握测试工程全链路（覆盖、回归、分层），具备根因分析与调试定位能力，熟悉CI、lint、静态分析等变更管理工具。 ● 工程与系统素养：能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，掌握常见工程实践并具备优秀的Coding 能力，能够根据场景灵活选型并快速上手。 3.能力特质 ● 学习力：对AI有热情、对前沿技术与产品好奇，对未知开放，能举一反三。 ● 动手能力：积极主动体验市场中先进的模型和产品，独立阅读论文/技术报告等并快速复现，快速主动尝试落地先进开源项目。 ● 技术审美：对新技术有近乎本能的渴望，追求简洁、可维护、可扩展方案；在模型/框架/工具选型上保持高信噪比决策。 【加分项】 1.有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先。 2.开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力。 3.对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全景视角。 4.在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。