我们正在寻找一位对生成式 AI （ GenAI ）充满热情，且功底扎实的 Java 工程师加入我们的团队。您将负责构建基于大语言模型（ LLM ）的企业级应用，利用 Java 强大的生态系统（如 Spring Boot, LangChain4j, Spring AI ）连接业务逻辑与 AI 能力。您不仅仅是编写 API ，更是 AI 落地“最后一公里”的关键执行者。
AI 应用后端开发： 基于 Java (Spring Boot/Cloud) 设计并开发高可用、低延迟的 AI 应用后端服务（如智能客服、企业知识库 RAG 、AI Agent 平台）。
大模型集成与编排： 负责对接主流 LLM （ OpenAI, Anthropic, 通义千问, DeepSeek 或私有化部署模型），设计 Prompt 工程，并使用 LangChain4j 或 Spring AI 进行任务编排。
RAG 系统构建： 负责向量数据库（ Milvus, Pinecone, Pgvector 等）的选型、搭建与维护；实现高效的文档解析、切片（ Chunking ）、Embedding 向量化及混合检索策略。
性能优化： 针对 AI 响应流式传输（ SSE ）、并发处理及上下文窗口管理进行系统优化，确保用户获得流畅的交互体验。
跨语言协作： 与算法团队（ Python 栈）紧密配合，将训练/微调好的模型通过 API 封装并集成到 Java 业务系统中。
Java 核心基础： 精通 Java 基础，熟悉 JVM 调优、多线程编程及高并发处理；熟练掌握 Spring Boot, Spring Cloud 微服务架构。
AI 应用开发经验：
大语言模型（ LLM ）基本原理（ Transformer, Token, Embedding, Temperature ）。
熟悉 RAG (检索增强生成) 架构，有实际落地经验者优先。
至少一种 Java AI 框架（如 LangChain4j, Spring AI ）或有 Python (LangChain/LlamaIndex) 转 Java 开发的经验。
数据库与中间件：
使用 MySQL/PostgreSQL 。
必须具备向量数据库（ Vector DB ）或搜索引擎（ Elasticsearch/OpenSearch ）的使用经验。
工程能力： 熟悉 Docker, Kubernetes 容器化部署；有良好的代码规范和 API 设计能力（ RESTful/gRPC ）。
学习能力： 对 AI 技术发展保持高度敏感，能快速阅读英文技术文档并落地新技术。
有 Python 基础，能看懂算法同事的训练/推理代码。
有本地大模型部署经验（如使用 Ollama, vLLM ）。
贡献过 LangChain4j 或 Spring AI 等开源项目代码。
熟悉 AI Agent 设计模式（如 ReAct, AutoGPT 架构）。
邮箱：d2FuZ2p1bmZlbmdAcXRoYWlsdW4uY29t
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。