{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "大模型算法（精通python）",
        "job_level": "",AI生成
        "work_category": "",AI生成
        "department": "",
        "location": "天津·东丽区·华明",
        "work_mode": "",AI生成
        "job_category": "算法"AI生成
    },
    "company": {
        "company_name": "大连创升科技有限公司",
        "company_industry": "计算机软件",
        "company_size": "500-999人",
        "company_website": "",
        "company_description": ""
    },
    "compensation": {
        "salary_range": {
            "min": 14000,
            "max": 16000,
            "currency": "CNY",
            "cycle": "month"
        },
        "benefits": ""
    },
    "requirements": {
        "working_years": 3,
        "degree": "大专",
        "language": "",AI生成
        "visa_support": "",
        "responsibilities": "",
        "requirements_text": "岗位职责\n1. 参与公司大模型平台与智能应用体系建设，负责 RAG（Retrieval-Augmented Generation）、Agent 框架及相关算法能力的设计与优化\n2. 构建面向业务场景的⼤模型应⽤链路，包括检索系统、知识增强⽣成、工具调用（Tool Use）与多步骤推理系统\n3. 深⼊参与大模型相关开源与自研系统的源码阅读与工程实现（如 Transformers / vLLM / LlamaIndex / LangChain 等），完成核心模块二次开发与性能优化\n4. 负责大模型应用效果评估体系建设，包括离线评测、在线A/B测试与指标体系设计\n5. 参与模型训练与微调（SFT / LoRA / QLoRA / RLHF等），负责训练数据构建、清洗、质量控制与持续迭代优化\n6. 设计并实现高质量数据工程体系，支持大规模文本、结构化与多源异构数据的处理与治理\n7. 跟踪大模型、Agent、多模态、向量检索等前沿技术发展趋势，并推动在实际业务场景中的工程化落地\n8. 与产品、工程及算法团队协作，推动AI能力在复杂业务场景中的规模化应用\n基本要求\n1. 计算机相关专业本科及以上学历，具备扎实的计算机基础（数据结构、算法、操作系统、网络等）\n2. 精通 Python 编程，具备良好的工程化能力、代码规范意识及系统设计能力\n3. 熟悉大模型核心技术体系，包括 Transformer 架构、Embedding、Attention 机制及Prompt Engineering等\n4. 深入理解并有实践经验：RAG（检索增强生成）系统设计与实现\n5. 熟悉 Agent系统设计与实现机制，包括工具调用、任务分解、规划执行、多Agent协同等\n6. 具备较强源码阅读能力，能够独立理解并改造主流开源框架（如 LangChain / LlamaIndex / Transformers / vLLM 等）\n7. 有大模型微调实践经验（SFT / LoRA / QLoRA等），理解训练流程、损失函数与评估机制\n8. 熟悉数据处理与数据工程体系建设，具备大规模数据清洗、构造与质量控制经验，熟悉pandas等相关输出里的库\n9. 具备较强的问题分析与工程落地能力，能够独立完成从算法设计到系统实现的闭环\n________________________________________\n加分项\n1. 有向量检索系统实践经验（FAISS / Milvus / Weaviate / Elasticsearch等）\n2. 有大模型推理优化经验（如KV Cache优化、量化、蒸馏、并行推理等）\n3. 有多Agent系统或复杂AI工作流编排实践经验\n4. 熟悉分布式系统或大规模机器学习系统架构\n5. 有开源项目贡献经历（尤其是 LLM / Agent / RAG 相关生态）\n6. 有完整大模型产品化落地经验（如企业知识库、智能客服、AI Copilot、自动化Agent系统等）\n7. 熟悉 CUDA / 推理加速 / GPU性能优化者优先\nPS：熟悉Agent skill, 理解其原理, 且自己写过或者用过skill",
        "skills": [AI生成
            "Python",
            "RAG",
            "Agent",
            "Transformer",
            "vLLM",
            "LangChain",
            "LlamaIndex",
            "SFT"
        ],
        "preferred_qualifications": "",
        "job_highlights": ""
    },
    "contact": {
        "recruiter_name": "",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/7b74ca687e4747000nB-0tm-E1BQ.html"
            }
        ]
    },
    "posting": {
        "posting_id": "7b74ca687e4747000nB-0tm-E1BQ",
        "post_date": "",
        "hire_time": "",
        "update_date": "",
        "job_url": "https://www.zhipin.com/job_detail/7b74ca687e4747000nB-0tm-E1BQ.html"
    },
    "fulltext": "岗位职责\n1. 参与公司大模型平台与智能应用体系建设，负责 RAG（Retrieval-Augmented Generation）、Agent 框架及相关算法能力的设计与优化\n2. 构建面向业务场景的⼤模型应⽤链路，包括检索系统、知识增强⽣成、工具调用（Tool Use）与多步骤推理系统\n3. 深⼊参与大模型相关开源与自研系统的源码阅读与工程实现（如 Transformers / vLLM / LlamaIndex / LangChain 等），完成核心模块二次开发与性能优化\n4. 负责大模型应用效果评估体系建设，包括离线评测、在线A/B测试与指标体系设计\n5. 参与模型训练与微调（SFT / LoRA / QLoRA / RLHF等），负责训练数据构建、清洗、质量控制与持续迭代优化\n6. 设计并实现高质量数据工程体系，支持大规模文本、结构化与多源异构数据的处理与治理\n7. 跟踪大模型、Agent、多模态、向量检索等前沿技术发展趋势，并推动在实际业务场景中的工程化落地\n8. 与产品、工程及算法团队协作，推动AI能力在复杂业务场景中的规模化应用\n基本要求\n1. 计算机相关专业本科及以上学历，具备扎实的计算机基础（数据结构、算法、操作系统、网络等）\n2. 精通 Python 编程，具备良好的工程化能力、代码规范意识及系统设计能力\n3. 熟悉大模型核心技术体系，包括 Transformer 架构、Embedding、Attention 机制及Prompt Engineering等\n4. 深入理解并有实践经验：RAG（检索增强生成）系统设计与实现\n5. 熟悉 Agent系统设计与实现机制，包括工具调用、任务分解、规划执行、多Agent协同等\n6. 具备较强源码阅读能力，能够独立理解并改造主流开源框架（如 LangChain / LlamaIndex / Transformers / vLLM 等）\n7. 有大模型微调实践经验（SFT / LoRA / QLoRA等），理解训练流程、损失函数与评估机制\n8. 熟悉数据处理与数据工程体系建设，具备大规模数据清洗、构造与质量控制经验，熟悉pandas等相关输出里的库\n9. 具备较强的问题分析与工程落地能力，能够独立完成从算法设计到系统实现的闭环\n________________________________________\n加分项\n1. 有向量检索系统实践经验（FAISS / Milvus / Weaviate / Elasticsearch等）\n2. 有大模型推理优化经验（如KV Cache优化、量化、蒸馏、并行推理等）\n3. 有多Agent系统或复杂AI工作流编排实践经验\n4. 熟悉分布式系统或大规模机器学习系统架构\n5. 有开源项目贡献经历（尤其是 LLM / Agent / RAG 相关生态）\n6. 有完整大模型产品化落地经验（如企业知识库、智能客服、AI Copilot、自动化Agent系统等）\n7. 熟悉 CUDA / 推理加速 / GPU性能优化者优先\nPS：熟悉Agent skill, 理解其原理, 且自己写过或者用过skill"
}