1.模型实操：深入理解 Transformer 架构，熟悉主流 LLM 原理，有处理非结构化数据的实战经验。
2.工程能力：精通 Python，熟悉 Linux 开发环境及 Docker 容器化部署。
3.熟悉 Apache Doris / StarRocks 等 OLAP 数据库，了解向量数据库的使用。
4.有 Agent 框架（LangGraph, AutoGPT 等）或 LLMOps 实际项目经验者优先。
5.工具链：熟悉 Docker 容器化技术，了解模型量化与推理加速技术。

1. 语义理解与事件监测：针对交通社交媒体舆情等非结构化文本，进行精细化的实体识别（NER）、事件抽取与情感分析，支撑24小时监测系统。

2. 行业知识库（RAG）构建： 负责智慧交通知识库的建设，优化知识切片、多路召回及重排序（Rerank）算法，解决大模型在标准规范中的幻觉问题。

3. 多模态融合理解：协同视觉算法团队，研发文/图/影跨模态检索技术，支撑“以文搜图”、“以语搜像”等实战场景。 

4. 大模型与 Agent 开发：利用 LangChain、Dify 或 n8n 等框架， 设计并实现面向调度决策等多步推理智能体，打通自然语言指令到业务逻辑（API 调用、SQL 生成）的闭环。

5. 模型精调与本地化部署：负责主流开源模型的全参数或PEFT微调，负责模型量化压缩及私有化部署，确保系统在国产化算力环境下的高性能运行。