职位亮点：
实战成长计划：配备资深导师，深度参与大模型从微调到落地的完整生命周期。
技术普惠路线：不盲目追求SOTA模型，专注高性价比的AI工程化实现。
快速晋升通道：每季度技术评级，突破能力边界即可获得职级跃升。

岗位职责：
参与智能体应用开发，负责模块设计、模型接口对接与功能实现。
实施大模型微调方案（如LoRA/P-Tuning），完成数据清洗与效果验证。
开发智能体基础能力模块：工具调用、状态监控、日志分析等。
优化现有AI服务架构，解决模型部署、API性能等实际问题。
跟踪AI社区最新工具链（如LangChain、LlamaIndex），快速验证技术原型。

硬性要求：
3年以上后端开发经验，Java/Python至少精通一门（需提供可运行的代码案例）；
1个完整AI项目经验：参与过智能体开发/大模型微调/对话系统等项目（需说明个人贡献）；
具有PyTorch/TensorFlow实战经验（含调参/数据处理）可加分；
工程化能力：熟悉RESTful API开发，具备Docker基础部署经验；
持续学习证明：近一年内完成的AI相关课程/认证（如吴恩达LLM课程/阿里云认证，也可以是学习理解或自己写的demo）；

潜力评估：
技术敏锐度测试：现场解读开源智能体项目架构（如AutoGPT源码片段）；
成长型思维：需展示过去6个月内自主攻克的3个技术难点及解决方案；
成本意识验证：在过往项目中体现过资源优化思路（如模型量化/缓存策略）；

薪资策略：
基础薪资10-15K，根据年度组合创新及贡献评价进行资金分成及持股比例评估。
参与核心项目可享受超额收益分成。

适配人群：
77 有扎实编码功底，渴望转型AI工程化的传统开发者。
77 能快速复现Paper基础方案的技术行动派。
77 愿意为技术提升投入每周20+小时自主学习的技术偏执者。

应聘加分项：
有成功优化的RAG系统案例（精度/响应速度提升20%+）。
开源社区贡献者（如提交过HuggingFace模型或Github代码/修复工具链Bug）。

应聘考题
请选择其一提交：
用Python实现一个轻量化工具调用模块（需包含异常处理与超时机制）。
针对特定场景设计大模型微调方案，说明数据准备与评估策略。
对现有开源智能体项目提出3处可优化点，并给出改进思路。

投递要求：
邮件标题：【AI实干派】姓名+技术证明（需附以下任意一项）：
可运行的代码片段（>200行）；
技术方案脑图（展示AI技术理解框架）；
自学笔记（如大模型微调实验记录）。

成长承诺
我们将提供：
每月1次闭门技术复盘会（含GPU资源支持实验）
季度技术外援计划（邀请独角兽或大厂技术大牛现场Code Review）
年度5000元自由学习基金（用于购买课程/算力/技术书籍）