人工智能简历范文

这份简历面向人工智能行业中的AI智能体算法工程师岗位，主要服务企业级智能体应用，如知识库问答、售后支持、合同管理等场景。岗位通常负责设计Agent的整体架构，包括意图识别、任务规划、工具调用、结果校验和人工兜底，同时优化RAG流程以提升检索准确性和答案可靠性。核心能力要求包括扎实的NLP基础、熟悉大模型应用开发、掌握LangGraph等编排工具，以及具备工程化评测和线上问题分析能力。适合有NLP或大模型应用经验、希望深入Agent方向的算法工程师参考，也适合对智能体落地感兴趣的求职者了解岗位全貌。

这份简历面向人工智能行业中的AI智能体测试工程师岗位。该岗位主要负责AI智能体（如客服机器人、销售助手）的质量保障工作，包括功能测试、自动化评测、性能监控和线上问题追踪。常见工作场景涉及意图识别、知识检索、工具调用、权限校验等环节，需要掌握Python、pytest、Playwright等工具，并熟悉RAG架构、Prompt调优和评测集构建。招聘方通常关注候选人的测试经验、自动化能力、对AI技术的理解以及问题定位能力。适合有软件测试背景、对AI应用感兴趣并希望转型的求职者参考。

这份简历面向人工智能行业中的语音算法工程师岗位，主要服务于智能座舱、呼叫中心等场景。岗位通常负责语音识别（ASR）、关键词唤醒（KWS）、语音活动检测（VAD）、降噪等算法的研发与优化，包括模型训练、数据处理、端侧部署和线上效果评估。常见能力要求包括扎实的机器学习与信号处理基础，熟悉WeNet、RNN-T等模型，掌握Python和C++，具备数据闭环和工程落地能力。适合有语音算法研发经验、关注端侧部署和鲁棒性优化的求职者参考。

这份简历面向人工智能行业的大模型训练工程师岗位，该岗位主要负责大语言模型的训练数据构建、模型微调与评测优化，常见于AI公司、互联网大厂或数据服务企业。工作内容包括设计SFT（监督微调）和RLHF（人类反馈强化学习）数据规范、构建高质量训练样本、维护评测集、进行错误归因和模型迭代。核心能力要求包括扎实的NLP基础、熟悉Python编程、掌握数据处理与清洗技术、了解主流大模型训练框架（如PyTorch、DeepSpeed）以及具备良好的数据敏感度和问题分析能力。适合有NLP或数据工程背景、对大模型技术有热情、善于跨团队协作的求职者参考。

这份简历面向人工智能行业的大模型数据工程师岗位，该岗位主要负责大模型训练、评测和RAG应用所需的数据处理工作，包括数据采集、清洗、去重、脱敏、切分、入库和质检等环节。常见工作场景涉及与算法、产品和标注团队协作，构建高质量的数据流水线和评测集，以支撑模型训练和效果评估。核心技能包括Python、SQL、Spark、Airflow等数据处理工具，以及数据质量治理、数据血缘管理、向量检索和Prompt回放等专业能力。招聘方通常关注候选人的数据工程经验、对大模型数据特点的理解、跨团队协作能力以及解决实际数据问题的能力。适合有数据工程背景，希望转向大模型数据方向的社招求职者参考。

这份简历面向人工智能行业中的AI智能体训练师岗位，该岗位主要负责设计智能体的任务流程、构建训练与评测数据、对模型输出进行归因分析并推动迭代优化。日常工作涉及与标注团队、业务专家和开发人员协作，将真实业务场景拆解为意图、槽位、工具调用等要素，并持续提升智能体的准确性和安全性。核心能力包括Prompt设计、数据标注与质检、评测体系搭建、错误归因分析，以及熟悉RAG、函数调用等主流技术。适合有NLP数据背景、熟悉AI产品落地或对智能体训练有浓厚兴趣的求职者参考，尤其是具备跨团队协作和项目推进经验的人。

这份简历面向人工智能行业的大模型应用工程师岗位，该岗位主要负责将大语言模型落地到具体业务场景中，例如构建RAG知识库问答系统、设计Agent工具调用流程、优化Prompt以提升模型输出质量等。常见工作场景包括企业客服助手、内部知识检索、工单自动分诊等。核心能力要求包括扎实的编程基础（Python、FastAPI）、熟悉主流大模型框架（LangChain、LlamaIndex）、掌握向量数据库（如Milvus）的使用，以及具备系统架构设计和性能优化的经验。此外，还需要有良好的跨团队协作能力，能与算法、业务、工程团队高效配合。适合具备后端开发经验、对大模型应用有浓厚兴趣并希望转型的求职者参考。

这份简历面向人工智能行业的大模型评测工程师岗位。该岗位主要负责评估大语言模型在真实业务场景中的表现，包括问答准确性、引用命中、幻觉率、安全合规等指标，并构建评测数据集、设计自动化回归流程、输出评测报告，为模型迭代和上线决策提供依据。常见工作场景包括企业知识库RAG问答、客服助手、代码助手、Agent工具调用等。核心能力要求包括熟悉Python编程、掌握主流大模型API调用、了解评测框架（如OpenCompass、LangSmith）、具备数据标注与质量控制经验，以及良好的业务理解和问题分析能力。适合有算法测试、AI产品评测或数据科学背景，对大模型技术有热情并注重细节的求职者参考。

这份简历面向人工智能行业中的AI智能体应用工程师岗位。该岗位主要负责将大语言模型与业务系统结合，开发能够理解用户意图、调用工具、检索知识并完成任务的智能体应用。常见工作场景包括客服机器人、售后支持、内部运营助手等，需要设计Agent架构、搭建RAG知识库、实现工具调用与流程编排，并保证系统的稳定性、安全性和可观测性。核心技能包括Python、LangChain/LlamaIndex、向量数据库、Prompt工程、API开发等。招聘方通常看重实际项目经验、工程化能力和对AI应用落地的理解。适合有后端开发背景、对AI应用开发感兴趣并希望转型的求职者参考。

这份简历面向人工智能行业的大模型应用产品经理岗位，主要服务于企业级SaaS公司，负责将大模型技术转化为可落地的产品功能。岗位通常围绕企业知识库问答、智能客服、数据分析助手等场景展开，需要设计检索增强生成（RAG）流程、意图识别、工具调用、人工接管和审计日志等能力。核心工作包括需求分析、方案设计、模型评测、灰度发布和成本控制，同时要关注多租户权限、数据脱敏等安全合规问题。能力要求上，既要有扎实的B端产品设计功底，又要理解大模型API、向量数据库、LangChain等主流技术栈，并具备与算法、后端、客户成功团队高效协作的能力。适合有3年以上产品经验、对AI技术敏感、善于将业务需求转化为产品方案的求职者参考，也适合正在转型大模型方向的B端产品经理了解岗位全貌。

这份简历面向人工智能行业中的AI智能体产品经理岗位。该岗位主要负责设计、规划和落地基于大语言模型的智能体产品，常见工作包括需求分析、产品设计、跨团队协作、评测与灰度发布等。核心能力要求包括对LLM应用、RAG检索、工具调用等技术的理解，以及产品规划、数据分析、项目管理等通用能力。适合有B端产品经验、对AI技术有热情、善于解决复杂问题的求职者参考。

这份计算机视觉MLOps社招简历范文展示了如何围绕模型训练、部署、监控与CI/CD流程组织经历，突出Docker/Kubernetes、MLflow、PyTorch等工具能力，适合AI方向求职者参考结构、项目写法和技能布局。