岗位职责：
1. 主导行业级多模态知识库的架构设计与核心模块开发，并构建知识图谱，保障知识存储的完整性与调用效率。
2. 负责 AI 智能学习平台全流程开发，并设计平台与知识库系统的数据对接方案。
3. 负责混合检索的技术实现（关键词+向量+图检索混合检索以及映射检索等），设计高效的检索算法，提升知识匹配准确率与响应速度
4. 对上下文工程有较为深入的理解，与课程设计师深度协作，设计场景化+知识库+Prompt+工具调用+结构化输出的大模型应用的开发-调试-评估-迭代机制。优化大模型交互效果，平衡响应质量与成本效率。
5. 技术选型与架构设计能力，制定模块化、可扩展的架构方案，推动开发流程优化，提升团队开发效率。
岗位要求：
1. 精通 Python ；具备大型项目工程化能力，注重代码规范与可维护性。
2. 具备从 0 到 1 构建知识库、知识图谱的实战经验，熟悉知识库搭建全流程。并熟练掌握以下技术栈（Django + LangGraph + Redis + Pinecone + LangSmith），具备较强的技术选型能力，能根据业务需求选择最优存储方案。
- 向量数据库：Milvus/PgVector（掌握LlamaIndex索引优化及性能调优）
- 图数据库：Neo4j/NebulaGraph（熟练Cypher查询及图算法应用）
- 理解非结构数据特征，数据形态识别
3. 熟悉Qwen、DeepSeek、ChatGpt、llama等主流LLM API 的调用逻辑与参数配置；掌握Prompt设计范式，具备Prompt效果评估能力；具备Hugging Face模型部署及嵌入调优能力；
4. 熟悉LangChain/LangGraph框架构建Agent/RAG流程，深入理解RAG技术链（文本分块/向量化/重排序），有混合检索算法优化经验，能结合业务场景优化算法策略。
5. 具备良好的代码工程能力，有全栈开发经验或技术负责人经历者优先，能统筹协调开发资源，推动项目落地。
6.对AI技术的边界充满探索欲，持续追踪大模型领域的最新突破；
享受用技术解决实际问题的成就感，而不仅是完成代码任务。
7. “过去半年，最让您激动的AI技术突破是什么？它如何启发您的工作？”
“请分享一个您因兴趣驱动的AI项目或者实验（无论成败）。”
如果上面两个问题，你还需要思考才能回答，那么这份工作可能不适合你。