1.設(shè)計(jì)、構(gòu)建、測(cè)試、部署并維護(hù)安全可靠、可擴(kuò)展的人工智能應(yīng)用程序。
2.開發(fā)并支持將大型語(yǔ)言模型（LLMs）與真實(shí)世界 API 及用戶需求連接的平臺(tái)。
3.與跨職能團(tuán)隊(duì)協(xié)作，完成解決方案的原型設(shè)計(jì)、評(píng)估及優(yōu)化 —— 尤其在對(duì)話式 AI 場(chǎng)景中。
4.使用現(xiàn)代框架構(gòu)建基于多智能體的系統(tǒng)和檢索增強(qiáng)生成（RAG）應(yīng)用程序。
5.應(yīng)用混合專家模型（MoE）和自然語(yǔ)言編輯（NLE）方法，提升工業(yè)場(chǎng)景下 LLM 的性能。
6.利用 Cherry Studio、Ollama 和 MCP 協(xié)議實(shí)現(xiàn)可擴(kuò)展、高效的多智能體模型部署。
7.為 LLM 編寫、優(yōu)化并評(píng)估提示詞，以確保輸出準(zhǔn)確且實(shí)用的結(jié)果。
8.知識(shí)庫(kù)系統(tǒng)建設(shè)經(jīng)驗(yàn)：主導(dǎo)或參與過(guò)基于大模型的知識(shí)庫(kù)系統(tǒng)搭建，包括知識(shí)抽取、知識(shí)融合、知識(shí)存儲(chǔ)和知識(shí)檢索等環(huán)節(jié)，熟悉知識(shí)圖譜構(gòu)建流程和技術(shù)。
9.檢索增強(qiáng)生成（RAG）技術(shù)：熟悉RAG架構(gòu)原理，掌握LangChain、LlamaIndex等RAG框架，能利用這些框架優(yōu)化知識(shí)庫(kù)系統(tǒng)的檢索和生成能力，提升問(wèn)答準(zhǔn)確性和相關(guān)性。
10.向量數(shù)據(jù)庫(kù)知識(shí)：熟悉向量數(shù)據(jù)庫(kù)，如Milvus、FAISS、Pinecone等，能夠進(jìn)行向量數(shù)據(jù)的存儲(chǔ)、檢索和管理，理解向量相似度計(jì)算原理和優(yōu)化方法。
11.自然語(yǔ)言處理（NLP）技術(shù)：掌握NLP基礎(chǔ)技術(shù)，如分詞、詞性標(biāo)注、命名實(shí)體識(shí)別、文本分類、文本摘要等，具備將NLP技術(shù)應(yīng)用于知識(shí)庫(kù)系統(tǒng)的能力。
12.模型優(yōu)化與部署：熟悉模型優(yōu)化技術(shù)，如模型量化、剪枝、蒸餾等，能夠?qū)⒋竽Ｐ透咝Р渴鸬缴a(chǎn)環(huán)境，解決部署過(guò)程中的性能、穩(wěn)定性和資源利用問(wèn)題。
13.與 LLaMA、Mixtral、DeepSeek 等開源模型合作開發(fā)生成式應(yīng)用程序。持續(xù)關(guān)注生成式 AI（GenAI）領(lǐng)域的最新研究、模型訓(xùn)練技術(shù)及部署技術(shù)。