GenAI 应用工程师（LLM / RAG / Agentic AI）

岗位介绍

我们正在寻找一位资深 GenAI 应用工程师，负责为企业环境设计、构建并交付生产级生成式人工智能（GenAI）与大语言模型（LLM）应用。这是一个偏重实战的 GenAI 应用工程 / 软件工程岗位，专注于构建真实世界的 AI 应用，而非纯 AI 研究或提示工程。你将参与 LLM 应用开发、检索增强生成（RAG）、Agentic AI、AI 代理、LangGraph/LangChain 编排、后端工程、企业 API 及生产部署。成功候选人需具备扎实的软件工程基础，并有将 GenAI / LLM 应用从原型或概念验证（POC）推向生产的实际经验。无需银行或金融服务经验。

工作内容

• 设计、开发并优化企业用户使用的生产级 GenAI / LLM 应用。
• 使用 LangGraph、LangChain 等 LLM 编排框架构建 Agentic AI / AI 代理工作流。
• 开发检索增强生成（RAG）解决方案，包括检索流程、上下文管理与提示编排。
• 构建涉及 LLM、RAG、AI 代理、工具调用、提示编排、上下文管理的应用。
• 将 LLM 应用与企业系统、REST API、后端服务、数据库及数据源集成。
• 使用开源模型与托管 LLM 服务，支持模型集成与 LLM 推理 / 模型服务架构。
• 使用 Python、Java 等语言开发可靠的后端服务。
• 为企业 GenAI 应用设计可扩展的 API 与服务。
• 实施生产工程实践，包括日志、监控、分布式追踪、LLM 可观测性、评估、错误处理、回退机制及调试。
• 在 Kubernetes 或 OpenShift 等容器化环境中部署并支持 GenAI 应用。
• 与应用、数据、平台、基础设施、DevOps、安全及业务团队紧密合作。
• 审查技术设计，识别弱点并提出切实改进建议。
• 确保解决方案可扩展、可靠、可维护、可观测且生产就绪。

任职要求

• 6 年以上软件工程经验，最好近期有 GenAI / LLM 应用开发经验。
• 使用 Python、Java 等语言的强大后端开发经验。
• 深入理解 REST API、后端服务、分布式系统、企业应用集成、可扩展性与弹性、生产应用架构。
• 能够编写整洁、可维护且可测试的生产代码。
• 有构建并部署生产级 GenAI 应用的实际经验，超越简单原型或演示。
• 扎实掌握 GenAI、LLM、LangGraph、LangChain、RAG、Agentic AI、AI 代理、LLM 编排、工具调用、提示工程、上下文管理、LLM 应用集成。
• 有实施 GenAI 或后端生产工程实践的经验，包括 LLM 可观测性、日志监控、分布式追踪、评估、故障处理、回退机制、调试、可靠性、性能与可扩展性。
• 有将 AI 应用从 POC / 原型推向生产部署的经验。
• 有使用或集成开源模型、托管 LLM API、模型服务平台、LLM 推理服务的经验。
• 有 vLLM 或类似 LLM 推理 / 模型服务框架的实际经验者优先。
• 熟悉 Kubernetes、OpenShift、容器化应用部署、云或企业基础设施环境。
• 能够与 DevOps、平台、基础设施及安全团队协作部署 GenAI 应用。