理聘网-职位详情页，AI 应用工程师（个人多组学/健康方向）

岗位职责： 1.场景落地与交互设计： 负责个人多组学数据（基因、微生物、代谢等）交互场景下的 AI 应用开发。深入理解生物信息解读需求，将复杂的组学分析流程·转化为用户可理解的自然语言交互体验（Copilot/Agent形式），提升用户对自身健康数据的认知效率 。 2.应用框架搭建与优化： 基于主流大模型（LLM），搭建并优化适合垂直领域的应用框架（如 RAG、Agent）。重点解决组学知识的精准检索、长文本理解、复杂任务拆解（Task Planning）以及生信分析工具的自动化调用问题 。 3.效果调优与评测： 通过 Prompt Engineering、In-context Learning 或轻量级微调（SFT）等手段，优化模型在生物医学领域的回答准确率与合规性；建设垂直领域的评测集，持续监控并提升问答链路的效果 。 4.前沿技术转化： 跟踪业界在大模型应用（如 GraphRAG、多模态交互）及 AI for Science 方向的前沿进展，结合产品实际痛点，快速进行技术验证与功能落地 。 任职要求： 1.学历背景： 本科及以上学历，计算机、生物信息学、人工智能或相关专业背景。 2.技术栈要求： （1）熟练掌握 Python 开发，熟悉 LangChain、LlamaIndex 或类似的大模型应用开发框架。 （2）熟悉主流 LLM 模型（如 GPT-4, DeepSeek, 混元, Llama 等）的 API 调用与特性，有 RAG（检索增强生成）或 Agent（智能体）系统的实际落地经验 。 （3）熟悉基本的后端工程实践（接口设计、日志与监控、简单性能优化等）者优先。 3.业务理解能力： （1）具备良好的“场景感”：能够理解复杂/非结构化健康报告如何面向非专业用户进行解释与重构，能敏锐洞察用户在健康咨询场景下的意图 。 （2）生信背景加分：了解基础的生物信息学分析流程（如 WDL/Docker 流程、变异检测、微生物丰度分析等）或有多组学数据处理经验者将被优先考虑。 4.综合素质： 具备良好的工程落地能力和问题解决能力，不局限于纯算法研究，更看重利用现有工具（开源模型、云服务、工具库）解决实际业务问题的能力 。 加分项： 1.有医疗健康、生物科技或科研数据服务领域的 AI 产品开发经验。 2.有实际的 Prompt 调优经验，或熟悉 SFT/RLHF 等后训练流程 。 3.熟悉向量数据库（Milvus/Faiss等）及知识图谱相关技术。 base杭州，薪资一事一议。