[全部职位]() 技术 # 后端开发工程师（AI/智能体方向） 打通大模型与业务系统，让智能体和企业知识库稳定落地。 ## 工作职责 - 大模型 API 调用与系统对接：负责调用各大主流大模型（如 OpenAI、智谱 GLM、通义千问等）的 API，并将其与客户本地系统或内部 CRM/ERP 系统进行接口打通。 - AI Agent 工程化落地：基于公司业务需求，熟练使用 Dify、LangChain 等框架或自写 Python 脚本，搭建和部署自动化工作流、企业知识库（RAG）和智能问答助手。 - Agent 架构与性能调优：针对复杂的企业级知识库需求，构建并优化 RAG（检索增强生成）系统，包括文档解析、向量数据库管理、检索链路优化，提升 AI 回答的准确率和稳定性。 - 项目部署与运维：负责将开发好的 AI 应用在客户的服务器或云环境（Docker）中进行部署、测试，排查系统 Bug，确保企业级交付的稳定性。 ## 任职要求 - 经验对口：本科以上学历，计算机相关专业，拥有 1-3 年开发经验，基础扎实。 - AI 工程化经验（核心）：具备 1 年以上 LLM/AI Agent 实际应用开发经验。熟悉 OpenAI、GLM 等主流大模型 API 特性，精通 Prompt 工程，有从 0 到 1 落地智能问答、企业知识库、自动化工作流等项目的实战经验。 - 技能要求 - 熟练掌握 FastAPI、Flask 或 Django 等后端框架。 - 熟练使用关系型数据库（MySQL/PostgreSQL），了解常用向量数据库，熟练掌握 Docker、Git 等常用部署和版本控制工具。 - 掌握 Docker 容器化部署和基础的 Linux 运维指令。 - 掌握至少一种智能体开发框架，有过项目实践。 - AI 认知：熟悉大模型 API 的调用机制，熟练使用至少一种 AI Coding 工具，了解 Prompt 编写和基础的 RAG（检索增强生成）逻辑。不要求训练或微调模型，但需要愿意阅读文档、调试 Agent 平台，并持续跟进 AI 发展。 - 职业素养：踏实，具备极强的执行力，注重代码规范。拿到需求后，能安静、高效地把接口调通、把代码写好、把项目落地。 ## 我们提供 - 有竞争力的收入：有竞争力的底薪，加项目交付奖金，综合薪资在本地同级别开发中具有竞争力。 - 纯粹的技术环境：你只需要负责技术实现，没有复杂的办公室政治和无效会议。 - 前沿的实战案例：直接参与真实的企业级 AI 落地项目，积累大量且稀缺的 ToB 交付经验。