1.设计、构建、测试、部署并维护安全可靠、可扩展的人工智能应用程序。
2.开发并支持将大型语言模型（LLMs）与真实世界 API 及用户需求连接的平台。
3.与跨职能团队协作，完成解决方案的原型设计、评估及优化 —— 尤其在对话式 AI 场景中。
4.使用现代框架构建基于多智能体的系统和检索增强生成（RAG）应用程序。
5.应用混合专家模型（MoE）和自然语言编辑（NLE）方法，提升工业场景下 LLM 的性能。
6.利用 Cherry Studio、Ollama 和 MCP 协议实现可扩展、高效的多智能体模型部署。
7.为 LLM 编写、优化并评估提示词，以确保输出准确且实用的结果。
8.知识库系统建设经验：主导或参与过基于大模型的知识库系统搭建，包括知识抽取、知识融合、知识存储和知识检索等环节，熟悉知识图谱构建流程和技术。
9.检索增强生成（RAG）技术：熟悉RAG架构原理，掌握LangChain、LlamaIndex等RAG框架，能利用这些框架优化知识库系统的检索和生成能力，提升问答准确性和相关性。
10.向量数据库知识：熟悉向量数据库，如Milvus、FAISS、Pinecone等，能够进行向量数据的存储、检索和管理，理解向量相似度计算原理和优化方法。
11.自然语言处理（NLP）技术：掌握NLP基础技术，如分词、词性标注、命名实体识别、文本分类、文本摘要等，具备将NLP技术应用于知识库系统的能力。
12.模型优化与部署：熟悉模型优化技术，如模型量化、剪枝、蒸馏等，能够将大模型高效部署到生产环境，解决部署过程中的性能、稳定性和资源利用问题。
13.与 LLaMA、Mixtral、DeepSeek 等开源模型合作开发生成式应用程序。持续关注生成式 AI（GenAI）领域的最新研究、模型训练技术及部署技术。