1、LangChain與LangGraph開發(fā)

熟練掌握 LangChain 構(gòu)建模塊化LLM應(yīng)用鏈，支持多模型協(xié)作。

精通 LangGraph 的圖結(jié)構(gòu)工作流設(shè)計(jì)（節(jié)點(diǎn)、邊、循環(huán)分支），實(shí)現(xiàn)狀態(tài)持久化、中斷恢復(fù)和多輪對(duì)話管理。

熟悉LangGraph Studio等調(diào)試工具，支持可視化工作流開發(fā)和實(shí)時(shí)狀態(tài)追蹤。

熟悉多智能體協(xié)作架構(gòu)（分層、監(jiān)督式），支持任務(wù)分配與結(jié)果融合。
熟悉多模態(tài)模型（如圖文生成）或AIGC應(yīng)用

2、向量數(shù)據(jù)庫與檢索增強(qiáng)（RAG）

熟練使用 Milvus 或類似向量數(shù)據(jù)庫（如Faiss、Chroma），實(shí)現(xiàn)高效語義檢索和混合查詢（向量+標(biāo)量）。

掌握數(shù)據(jù)預(yù)處理技術(shù)：文檔加載（PDF、HTML）、文本分塊（RecursiveCharacterTextSplitter）、向量化（如DashScope、OpenAI Embeddings）。

優(yōu)化RAG系統(tǒng)以減少幻覺問題，結(jié)合自校正（Self-RAG）和動(dòng)態(tài)路由（Adaptive RAG）技術(shù)提升答案準(zhǔn)確性。

3、模型微調(diào)與訓(xùn)練

熟悉大模型（如LlamaFactory、線上阿里云模型微調(diào)）的全參數(shù)微調(diào)與參數(shù)高效微調(diào)，最好熟悉圖形微調(diào)訓(xùn)練。

掌握使用LangSmith收集LLM運(yùn)行數(shù)據(jù)，轉(zhuǎn)換為微調(diào)訓(xùn)練集，并通過OpenAI、阿里百煉等平臺(tái)完成模型迭代。

理解微調(diào)與RAG的協(xié)同作用：微調(diào)提升基礎(chǔ)能力，RAG補(bǔ)充實(shí)時(shí)知識(shí)。

4、提示詞工程與評(píng)估

設(shè)計(jì)高質(zhì)量提示模板，支持多任務(wù)指令（如摘要、翻譯、代碼生成），通過多樣化指令提升模型泛化能力。

使用評(píng)估指標(biāo)（如ROUGE、BLEU）量化模型輸出質(zhì)量，結(jié)合人工反饋優(yōu)化提示策略。

5、工具鏈與部署

熟悉 Streamlit 快速構(gòu)建LLM應(yīng)用前端，實(shí)現(xiàn)交互式演示和結(jié)果可視化。

6、集成工具鏈：搜索API（Tavily）、代碼執(zhí)行（Python REPL）、緩存（GPTCache）提升應(yīng)用性能、自定義工具

1. 計(jì)算機(jī)科學(xué)或相關(guān)領(lǐng)域的本科及以上學(xué)歷，有扎實(shí)的計(jì)算機(jī)基礎(chǔ)知識(shí)和編程能力。

2. 熟練掌握Python編程語言，并具有豐富的Python開發(fā)經(jīng)驗(yàn)，特別是在金融領(lǐng)域的項(xiàng)目經(jīng)驗(yàn)將會(huì)是一項(xiàng)優(yōu)勢(shì)。

3. 有LLM應(yīng)用落地經(jīng)驗(yàn),最好是LangGraph，如客數(shù)據(jù)分析Agent，需優(yōu)化推理性能（如延遲、成本）。

4. 熟練掌握技術(shù)LangChain/LangGraph、Hugging Face Transformers、PyTorch/TensorFlow、Milvus（部署、調(diào)優(yōu)）、Redis（緩存）、Clickhouse（結(jié)構(gòu)化數(shù)據(jù)）、阿里百煉云平臺(tái)等相關(guān)框架、平臺(tái)和技術(shù)。

5.熟悉Linux環(huán)境下的開發(fā)和部署，熟悉常用的版本控制工具如Git。

6.良好的溝通能力和團(tuán)隊(duì)合作精神，能夠與產(chǎn)品經(jīng)理、設(shè)計(jì)師和其他工程師緊密合作，共同推動(dòng)項(xiàng)目進(jìn)展。