AI工程师

负责设计、原型和部署检索增强生成系统：构建可扩展的RAG管道，结合向量搜索、混合检索、重新排序和上下文压缩技术。构建并集成向量搜索系统（如Milvus、pgvector、FAISS、Weaviate）以在结构化和非结构化数据上实现高召回率检索。开发混合检索和知识驱动的管道：设计混合检索系统，结合语义、符号和图基方法。创建自定义分块和编码策略以将操作知识存储在向量数据库和知识图中。构建知识图谱并将其整合到检索工作流中：构建知识图谱（Neo4j、RDF、自定义模式）并将其整合到检索工作流中以支持推理和决策。优化数据管道和嵌入：构建并优化将传入文档转换为高质量嵌入的管道。调整分块大小、索引频率和嵌入策略以提高召回率、事实准确性效率。实施混合搜索和元数据过滤：结合语义和关键词搜索以提高精度和效率。实验元数据过滤技术以突出最相关的上下文以供AI推理代理使用。评估和监控系统性能：使用经典信息检索指标（精度、召回）和LLM特定评估（事实性、连贯性、任务成功）评估端到端检索性能。监控检索日志并调整嵌入配置以维持相关性和减轻幻觉。比较和微调LLM：比较不同LLM（如GPT-4、Claude、Llama）在嵌入结构上的性能并优化微调策略。实施量化、蒸馏和优化技术以满足延迟、吞吐量和成本目标。与团队协作和赋能：与产品经理、数据工程师和领域专家跨职能合作，将产品目标转化为可扩展的AI解决方案。开展研讨会和赋能会议以提高内部团队的AI素养。确保质量和合规性：参与严格的代码审查并实施测试框架以确保可靠性、安全性和合规性。持续监控模型准确性并维护数据治理和伦理准则。

经验：3-8年软件工程经验，深入掌握Python，具备构建和部署RAG或信息检索系统的能力，以及在TensorFlow和PyTorch中的强大 proficiency。检索专业知识：证明能够设计混合检索管道、使用LLM和向量存储编码知识，并构建和优化RAG系统。向量数据库和搜索算法：熟练使用向量数据库和搜索库（如pgvector、FAISS、Milvus、Pinecone或Weaviate），并深入理解向量搜索算法、索引策略和混合搜索技术。嵌入和LLM框架：有使用嵌入和变压器模型（如OpenAI、Cohere、Sentence Transformers）和框架（如Hugging Face Transformers、LangChain和LlamaIndex）的实战经验。分布式系统和部署：具备分布式系统、ETL管道、Docker和Kubernetes的实践经验，以及云平台（Azure、AWS、GCP）部署AI应用的知识。评估和安全：熟悉检索系统评估、可观测性工具和模型性能监控。了解数据治理、安全和合规性考虑。

Virallens是一家技术驱动型企业，致力于帮助企业扩展、创新并引领人工智能时代。我们专注于构建智能解决方案，利用前沿的生成式AI技术，将想法转化为跨多个行业的实际应用。