岗位职责
- 负责构建和优化基于RAG（Retrieval-Augmented Generation）架构的智能问答、知识推理系统；
- 开发高效的多模态数据（文本/图像/结构化数据）检索模块，优化Embedding模型与索引算法；
- 设计生成模型（如LLM）与检索系统的协同机制，提升结果相关性与逻辑连贯性；
- 探索混合检索策略（密集检索+稀疏检索），优化召回率与排序精度；
- 构建端到端性能评估体系，设计AB实验验证系统迭代效果；
- 跟踪LangChain、LlamaIndex等RAG技术生态，推动前沿技术落地。
职位要求
- 计算机、人工智能、软件工程、数学或相关专业本科及以上学历；
- 热爱计算机及互联网技术，对大模型、信息检索等领域有浓厚兴趣，具备较强的技术热情和自驱力；
- 精通但不限于C/C++/java等编程语言中的一种或几种，有良好的编程习惯；
- 基础知识扎实，熟悉计算机系统结构、操作系统内核、网络、分布式系统、算法等领域；
- 熟悉Unix/Linux环境下编程，熟练使用调试工具，并熟悉某种脚本语言。 【加分项】：
- 参与过 RAG、LangChain、LlamaIndex 等相关项目实践；
- 使用过 Sentence-BERT、BGE、OpenAI Embeddings 等 embedding 模型；
- 接触过向量数据库（如 FAISS、Milvus、Pinecone、Chrom
- 了解检索排序模型（如 BM
- DPR、ColBERT）或有信息检索项目经验；
- 在 GitHub 有开源项目或技术博客者优先。
