2025-04-01 -2026-07-12北京某中大厂AI应用开发工程师

业务场景分析与方案设计 需求拆解：与产品/业务方对接，评估哪些业务流程可用AI提效（如智能客服、文档审核、代码辅助等），明确功能边界。 技术选型：根据场景需求选择合适的基座模型（GPT系列/开源Qwen等），设计RAG（检索增强生成）或Agent（智能代理）的技术方案，并评估成本与响应延迟。 Prompt（提示词）工程：编写和优化结构化提示词，结合Few-shot（少样本示例）或思维链（CoT），使模型输出更贴合业务逻辑。 核心功能开发与集成 后端服务开发：使用Python/Java封装大模型API，搭建高可用的AI推理服务，实现流式输出（SSE/WebSocket）以优化用户交互体验。 RAG与Agent实现：搭建向量数据库（如Milvus），实现知识库的切片、向量化存储和相似性检索；开发具备工具调用能力的Agent（智能代理），连接企业内部的ERP、数据库等第三方系统执行具体操作。 前后端联调：将AI能力封装成标准API供前端或上层业务系统调用，确保整个链路的稳定性和并发性能。 效果评估与持续优化 模型评测：建立自动化评估集，对模型的生成质量（准确性、相关性）进行

2021-09-01 - 2025-06-05重庆邮电大学人工智能本科