1. 日常开发语言以 TypeScript、Python 为主，熟悉 Nextjs/Nestjs、FastAPI 等技术栈，可独立完成 AI 应用前后端设计、开发与交付；
2. 熟练使用 LangChain、LangGraph 构建复杂 AI 应用与多 Agent 工作流，掌握任务拆解、状态编排、工具调用、人机协作、多轮对话控制等关键模式；
3. 具备完整 RAG 系统开发能力，覆盖制度文档、项目资料、设备手册、运维知识等多源数据的解析、Chunk 切分、Embedding 向量化、Qdrant/Milvus 检索存储及知识问答链路搭建；
4. 掌握 RAG 优化方法，包括 MultiQueryRetriever、HyDE、BM25+向量混合检索、Reranker 重排序及 RAGAS 评估，能够持续提升问答准确率与召回效果；
5. 熟悉 OCR、结构化抽取与文档智能处理流程，能够结合业务场景处理 PDF、扫描件、表格类资料，为知识库与智能问答提供高质量数据基础；
6. 熟悉 Function Calling、Tool Use、MCP 协议及外部工具集成方式，能够将大模型与数据库、内部 API、业务系统进行安全联动；
7. 熟练调用 Qwen、DeepSeek、GPT 等主流模型 API，具备 Prompt Engineering、Few-shot / CoT 调优及面向业务场景的应用封装能力；
8. 具备 AI 应用工程化与部署经验，熟悉 Docker、k8s、CI/CD 等技术链路，能够打通从开发、测试到上线发布的完整流程，并推动 Copilot、Cursor 等 AI 工具在团队中的落地应用。