大模型知识库RAG开发实习生

工业RAG系统构建：负责工业检测领域知识库的搭建，处理多模态工业数据（如检测标准文档、设备维修手册、缺陷图像报告等），实现基于大模型的智能问答与辅助决策。 非结构化数据治理：编写ETL脚本，针对工业场景下的复杂格式（CAD图纸说明、PDF标准、Excel检测记录）进行解析、清洗与结构化，提升知识库数据质量。 检索与生成优化：针对工业术语和特定场景，优化向量检索与关键词检索的混合策略（Hybrid Search），引入重排序（Re-ranking）模型，确保检索结果的精准度与合规性。 智能体工作流开发：基于LangChain或LlamaIndex框架，结合工业检测业务流程，开发能够调用外部工具（如查询数据库、调用检测API）的AI Agent。 模型适配与调优：协助进行开源模型（如Qwen, Llama3）的本地化部署，通过Prompt工程或少样本学习（Few-shot Learning）提升模型在工业缺陷识别描述、故障归因分析上的表现。

学历专业：计算机、人工智能、自动化、机械工程等相关专业，本科及以上学历在读，2027届毕业生优先。 编程能力：熟练掌握Python，熟悉FastAPI或Flask等Web框架，具备良好的代码规范。 技术栈：深入理解RAG架构（文档解析、切片、向量化），熟悉向量数据库（Milvus, Chroma等）；了解LangChain等开发框架。 领域兴趣：对工业数字化、智能制造有浓厚兴趣，愿意深入理解工业检测业务逻辑与数据处理规范。 综合素质：具备较强的问题分析能力与团队协作精神，能适应工业场景下对数据准确性的高要求。 加分项 多模态经验：有处理图像-文本对（Image-Text Pair）数据经验，或了解多模态大模型（如CLIP, LLaVA）者优先。 平台经验：熟悉Dify、Coze等低代码平台，或有RAGFlow等开源知识库系统二次开发经验者优先。 部署能力：熟悉Linux环境，掌握Docker容器化技术及CUDA加速原理者优先。 行业背景：有制造业、工业质检相关项目经验或实习经历者优先。