千问千问事业部-AI应用工程师（搜推广方向）-北京
任职要求
1.学历要求： 计算机科学、人工智能、软件工程或相关专业，本科及以上学历。 2.编程能力： 精通Python编程语言，具备良好的编码习惯和扎实的计算机科学基础。 3. 熟悉LangChain、Dify等主流AI应用开发框架，并有实际项目开发经验。 4. RAG技术： 熟悉RAG（检索增强生成）技术原理，有向量数据库（如Milvus, Pinecone, Weaviate等）的使用经验。 5. 后端开发： 熟悉至少一种Python后端Web框架（如FastAPI, Flask, D…
工作职责
团队介绍：团队负责广告核心检索系统与在线服务基础架构的持续演进，聚焦分布式系统、高性能服务端架构与云原生平台建设，支撑超大规模流量场景下的高并发、低延迟服务。 1.负责基于大语言模型（LLM）的AI应用（如智能体Agent、知识库问答、自动化工作流等）的设计、开发与落地。 2.深入理解业务需求，利用LangGraph，openclaw等框架，构建高效、稳定的AI应用解决方案。 3.负责检索增强生成（RAG）系统的架构设计与优化，包括数据处理、向量数据库选型与调优、召回策略改进等，以提升知识检索的准确性与效率。 4.进行提示词工程（Prompt Engineering）的设计、测试与迭代优化，充分释放大模型的潜力。 5.参与AI应用的后端服务开发（如使用FastAPI等），确保系统的性能、稳定性和可扩展性。 6.探索并实践大模型评估、多智能体（Multi-Agent）协作等前沿技术，推动技术创新与应用。
1. 负责推搜场景下的AI应用研发，将大模型能力落地到策略迭代、内容理解等核心链路，覆盖RAG、Agent、Function Calling等方向； 2. 作为团队AI Coding的先行者，深度探索并落地AI辅助编程工具（Cursor、GitHub Copilot等）在业务开发、代码重构、数据处理等场景的应用，总结并推广可复用的实战方法论； 3. 负责推搜业务场景下大模型所需的数据开发工作，包括SFT/偏好数据的构建、清洗与质量评估，搭建可复用的数据处理Pipeline，支撑模型微调与效果迭代； 4. 利用大模型能力提升数据处理效率，探索LLM辅助数据标注、数据增强、质量筛选等自动化方案，推动数据飞轮的建立； 5. 主导制定AI应用与数据工程的开发规范，通过Code Review和技术分享提升团队工程素养，推动团队向"工业级AI应用"演进。
1. 负责食杂零售搜推算法策略迭代，优化用户搜推体验，提升点击率、转化率等核心指标 2. 应用先进技术手段，优化意图理解、召回、搜索相关性、排序、流量调控等算法模块效果，显著提升用户体验和转化效率 3. 紧跟业界大模型、agent 前沿进展，积极学习新的模型结构和 agent 认知，探索在食杂业务落地的可能性 4. 与其他团队密切合作，实现高质量的产品和解决方案。
AI应用方案设计：围绕充电宝业务场景（用户运营、资产调度、客户管理、出海等），设计AI应用解决方案，将大模型能力转化为可落地的业务价值; AI工程落地：负责AI能力的工程化封装与交付，推动AI从技术验证到业务闭环，持续交付可量化的业务结果; Prompt工程与Agent编排：设计高质量的Prompt策略和Agent工作流，实现复杂业务逻辑的AI自动化处理，持续优化效果和成本; AI效果评估与迭代：建立AI应用的效果评估体系（准确率、成本、用户体验等），基于数据反馈持续优化模型选型、Prompt策略和系统架构; 行业洞察与技术选型：持续跟踪AI应用层的行业最佳实践和前沿方案，评估新模型、新工具、新框架对业务的适用性，输出技术选型建议.
1. 参与智能应用的全栈研发，构建稳定易用的 AI 驱动功能模块； 2. 探索并整合主流 AI 技术（如大模型、图像识别、智能接口等）到具体场景； 3. 为其他产品或运营团队提供 AI 赋能：开发内部AI工具、技术接口或解决方案； 4. 持续优化系统性能与产品体验，用工程化思维提升智能应用的可用性； 5. 跟踪新技术趋势，探索能提升团队效率的AI方案。