智能体与大模型应用工程

基础条件 1. 计算机、软件工程、人工智能等相关专业优先。 专业能力 1. 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。 2. 大模型能力理解与掌握：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(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)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。 3. 扎实的代码和工程能力：具备扎实的计算机基础知识，深入理解数据结构、算法、网络和操作系统等相关知识，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。 能力特质 1. 学习能力： 具备快速啃透前沿论文（Paper）的能力，并能将理论知识转化为工程代码。 2. 开放性与动手能力： 拒绝纸上谈兵，有自己独立完成的小项目（开源项目或个人 Demo），展现极客精神。 3. 好奇心与想象力： 面对未知事物有独特的想法，具备敏锐的问题定义能力和坚韧的解决问题能力。 4. 审美追求： 技术亦有审美，鼓励你提出能提出打动人心、简洁优雅的好想法。 5. 高能动性： 具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务。 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、流式输出等工程全局视角。 在NLP或CV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。