AI 岗位职责： 1. AI 应用后端开发与交付（核心职责）
基于 Python (FastAPI / Flask) 构建高可用的 AI 应用后端服务，设计并对外提供标准的 RESTful API。
负责 AI 业务模块的工程化实现，包括并发处理、异常重试机制、流式输出（Streaming）响应封装等。
对接前端或业务系统，确保 AI 功能在真实业务场景下的稳定性与响应速度。
2. RAG（检索增强生成）系统建设
负责本地知识库的数据清洗与处理（PDF/Word/Excel/HTML等非结构化数据的提取与分块）。
设计并优化 RAG 全链路：包括 Embedding 模型选择、向量数据库维护、检索策略优化（混合检索/Rerank）。
解决由数据质量或检索逻辑导致的“幻觉”问题，提升回答准确率。
3. Agent 智能体编排与 Prompt 工程
利用 LangChain / LangGraph 等框架，将复杂的业务 SOP 拆解为 AI 可执行的工作流。
撰写并调试复杂的 Prompt，通过结构化输出、CoT等技巧，确保模型输出符合业务规范。
设计 Tool/Function Calling，让大模型能够精准调用外部 API 或查询数据库。
4. 持续优化与业务赋能
效果评测： 建立自动化评测机制，量化 AI 回答的准确率与召回率，驱动产品迭代。
成本控制： 关注 Token 消耗，通过 Prompt 优化、缓存机制（Caching）或模型路由策略，降低运营成本。
模型落地： 探索开源模型（如 Llama3, Qwen, DeepSeek）的私有化部署（Ollama/vLLM），在特定场景替代商业 API。任职要求：
1. 基础门槛
计算机、软件工程、数学等相关专业本科及以上学历。
精通 Python，拥有良好的编码规范，熟练掌握 FastAPI 或 Flask 框架，能独立开发后端服务。
至少具有 2个 完整的 AI 应用项目落地经验（需在面试中展示具体负责模块）。
2. 核心技能
RAG 实战经验： 深入理解 RAG 原理，熟悉向量数据库的使用，极强的数据处理与清洗能力（熟练使用 Pandas/Regex 处理混乱文本）。
Prompt 调试能力： 有丰富的 Prompt 调优经验，能通过 Prompt 解决模型不遵循指令、格式错误等问题。
框架应用： 熟练使用 LangChain、LlamaIndex 或类似编排框架，理解 Agent、Chain、Memory 的工作原理。
3. 工程与业务素养
熟悉 Linux 环境，掌握 Docker 容器化部署，能将开发的 AI 服务打包交付。
熟悉 SQL 数据库（MySQL/PostgreSQL），能进行基本的表设计与查询。
具备产品思维，能理解业务需求背后的真实意图，不唯技术论，以解决问题为导向。加分项：
1.有医疗信息化、互联网医疗或医疗保险行业开发经验者优先。
2.了解医疗标准（如 ICD-10 编码、HL7）或医保支付政策（DRG/DIP）逻辑者优先。
3.有 OCR接口对接或结构化提取项目经验者优先。
4.熟悉前端技术（Vue/React），能快速搭建演示 Demo者优先。
5.能阅读 Java 代码，具备跨语言接口联调经验者优先。
6.熟悉 LoRA/QLoRA 微调流程，或有使用 API 进行 Fine-tuning 经验者优先。
7.有高并发接口优化经验，或熟悉 Redis 缓存策略者优先。
8.具备大模型微调、模型蒸馏、推理优化经验者优先。