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。
岗位职责 (Responsibilities)
-
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。
任职要求 (Requirements)
-
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。
加分项 (Nice to Haves)
-
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