生成式AI工程师

该职位要求与后端工程师、数据平台团队和产品经理紧密合作，将智能能力集成到核心软件系统中。该职位需要坚实的软件工程基础，结合对LLM API、向量数据库和评估框架的深入实践知识。

关键职责包括：设计、实施并扩展生产级RAG管道，使用高级检索策略、查询重写和重排序技术；构建与Pinecone、Qdrant或pgvector等向量数据库的集成，优化查询延迟和检索召回；开发系统化的LLM评估和可观察性框架以监控模型行为、幻觉率和语义漂移；实施参数高效微调（PEFT、LoRA、QLoRA）和指令微调管道以专门化开源模型；优化模型服务基础设施以实现高吞吐量和低延迟推断，使用vLLM、TensorRT-LLM或Triton Inference Server等工具；部署微服务并使用容器化环境在AWS或GCP等云平台上编排工作流。

3-6年软件工程经验，其中至少1.5年专注于构建和部署基于LLM的应用程序；精通Python，包括异步编程、FastAPI和坚固的测试框架；有LLM编排和开发框架（如LangChain、LlamaIndex或DSPy）的实践经验；对向量搜索机制、语义嵌入和数据库优化技术有扎实理解；熟悉云原生基础设施，包括Docker、Kubernetes和管理ML平台（如AWS SageMaker或run.ai）；加分项：有开源模型优化、自定义模型评估（如Ragas、TruLens）或贡献流行生成式AI库的经验。