LLM 应用开发
构建对话、生成、信息抽取和任务型应用。
- 常见产出
- 前后端应用、接口、测试与部署
- 检索词
- AI应用开发 / LLM全栈 / 大模型应用
AI ENGINEERING · 技术线
对可运行系统、接口与数据链路、性能、稳定性和交付质量负责。
与算法岗相比,开发更关注系统是否可靠运行,而不是主要优化模型指标;与产品 Builder 相比,开发承担代码质量、架构和线上服务责任。
ROLE TYPES
构建对话、生成、信息抽取和任务型应用。
连接模型、知识库、工具、状态与执行流程。
把模型做成低延迟、高吞吐、可扩展的服务。
建设数据、训练、调度、评测和计算基础设施。
WORK CHAIN
明确任务与接口
准备数据和模型能力
连接检索、工具或业务系统
实现服务与测试
部署、观测并持续修复
OFFICIAL JD SAMPLES
建设 RL 训练中的奖励和环境服务
保障高可用、稳定和可扩展
解决系统问题并进行技术调研
Java / Python / Go
Linux 与容器
训练或推理经验
大模型插件与工具链开发
模型定制与效果调优
将模型能力落到产品服务
Python
PyTorch / Paddle
Transformers 与工程能力
Agentic 应用与智能数据治理产品研发
结合客户场景改进数据质量
参与业务效果验证
应用开发
数据治理
客户场景理解
先用职责词搜索,不只搜岗位名称
CONCEPT CHAIN
先从外部知识源检索相关内容,再让模型基于检索结果生成回答。
模型按约定参数调用搜索、数据库或业务接口完成动作。
负责加载模型、处理请求并控制延迟、吞吐、成本和资源。
通过日志、指标和链路追踪看见系统发生了什么、哪里失败。