Pinecone 招聘 在 中国 - 9 Job Positions Available

大模型应用开发工程师-北京 北京 全职 互联网 / 电子 / 网游 职位描述 1、金融业务场景AI落地：深入理解银行信贷风控、反欺诈、客户画像、智能投顾等业务逻辑，设计并开发AI解决方案，推动数据驱动的业务决策。与业务部门协作，将金融需求转化为AI模型开发任务，确保技术方案贴合实际业务场景。2、大模型微调与优化：负责GPT、LLaMA等主流大语言模型的领域适配微调，结合银行私有数据优化模型性能。应用Prompt工程、RAG（检索增强生成）技术提升模型在金融文本生成、合规审查等任务中的准确率。3、AI Agent与智能体开发：设计并实现基于大语言模型的智能体(Agent)系统架构，包括任务理解、规划、执行和反馈循环等核心模块。熟练运用Function Calling/Tooling机制，将模型能力与内外部API、工具和服务进行安全、可靠的集成。4、机器学习全流程开发：主导从数据清洗、特征工程、模型训练（机器学习/深度学习）到部署上线的全流程，覆盖监督学习、无监督学习及强化学习等场景。优化高并发金融场景下的模型推理效率，应用模型压缩、分布式计算等技术。5、Vibe Coding与AI辅助开发：遵循Vibe Coding理念，高效利用AI辅助开发工具（如Claude Code、Cursor等）提升编码效率和质量，负责对AI生成的代码进行严格的审查、重构和测试。6、跨部门协作与技术赋能：协同算法团队、产品经理及风控部门，确保AI项目按时交付，并编写技术文档推动知识沉淀。 职位要求 1、基础要求 -计算机科学、人工智能、金融工程等相关专业本科及以上学历，3年以上AI项目开发经验。-精通Python，熟悉Java，具备扎实的编程能力和算法基础。-熟悉主流深度学习框架（PyTorch/TensorFlow），具备大模型部署经验。2、技术能力 -大模型技术栈：熟悉LangChain、LlamaIndex等大模型应用开发框架，掌握Prompt Engineering、RAG、Agent等核心技术。-向量数据库：熟悉向量数据库（如Milvus、FAISS、Pinecone）的使用和优化。-分布式系统：熟悉分布式系统设计，具备模型部署（云平台AWS/Azure或边缘设备）及性能优化经验。-工程化能力：熟悉Docker容器化技术、Git版本控制以及CI/CD流程，具备独立将应用部署到云环境的能力3、金融业务理解 -熟悉银行风控、客户分析、智能营销等业务逻辑，有金融科技项目经验者优先-具备信贷风控、反欺诈、智能投顾等场景AI模型落地案例者优先4、加分项 -熟悉金融知识图谱构建、智能投顾系统开发。-具备AI Agent框架（如LangChain）、金融领域多模态交互开发经验。-有构建复杂Agent或Multi-Agent系统的实践经验。-在NeurIPS/ICML等顶会或GitHub高星项目有成果。5、软性素质 -强大的跨部门沟通能力，能将技术术语转化为业务语言。-对AI在金融领域的创新应用有热情，能快速学习新技术并解决复杂问题。-具备良好的团队合作和沟通能力，能够在压力下工作。 投递...

NLP / LLM 应用工程师 北京 社招 全职 职位 ID：A99270 职位描述 1.负责Agent大模型能力层建设，包括Prompt工程体系设计、RAG检索增强生成、上下文工程优化。2.搭建企业知识库的Embedding Pipeline，实现高质量语义检索。3.设计和优化Agent的意图识别、对话管理、知识问答等核心NLP能力。4.负责Agent评测体系落地：构建评测数据集（Golden Dataset）、设计评测指标（Faithfulness、Answer Relevancy、Context Precision等），实现自动化评测流水线。5.探索多模型路由策略（国内外大模型混合调用），平衡效果与成本。 职位要求 1.本科及以上学历，2年以上LLM应用开发经验，重落地非纯研究。2. 精通Python，有真实LLM应用上线经验（非Demo级别）。3.熟悉RAG、Embedding、向量检索全链路，有向量数据库使用经验（Milvus/Chroma/Pinecone）。4.有Agent/RAG评测经验：熟悉RAGAS、DeepEval、TruLens、PromptFoo中至少一种评测框架。5.熟悉LangChain/LlamaIndex/LangGraph等LLM应用开发框架。6.熟悉主流大模型API（OpenAI、Anthropic、通义千问、文心等）。7. 对生成质量和推理成本敏感，能系统化评估与优化模型效果。8.了解Genspark搜索Agent的RAG架构、Manus的多步推理评测方法者加分。 投递...

高级算法工程师（NLP方向） 北京 社招 全职 职位 ID：A198542 职位描述 1. 负责 NLP 相关任务的算法建模与优化，包括文本分类、情感分析、实体识别、语义理解、视频内容理解等模块，确保能够快速准确地从海量文本数据中提取有价值的信息，为预警、趋势分析等应用提供坚实技术支撑。2. 深入研究社媒数据特点，探索适合的 NLP 模型架构与算法策略，针对社媒文本的复杂性（如网络用语、多领域话题交织等），不断改进现有模型，提高模型泛化能力，使其能够应对多样化的社媒渠道数据变化。3. 进行标注标准制定，协同标注人员构建高质量数据集，为算法训练提供基础数据，同时基于反馈数据持续优化算法效果，以数据驱动算法迭代。4. 跟踪行业前沿技术动态与研究成果，如将大语言模型，多模态模型等应用于舆情分析场景。5. 协助开发团队将算法成果工程化落地，确保模型在实际监测系统中的高效稳定运行，参与算法性能的测试与评估工作，及时解决上线过程中出现的技术难题，保障系统稳定性。 职位要求 1. 计算机科学与技术、统计学、数学、自动化、车辆工程、电子工程等相关专业，拥有8年以上NLP算法开发的经验。2. 熟练使用CUDA、TensorRT等加速库，具备高性能计算优化经验3. 熟悉机器学习、深度学习、统计学等算法与大模型的微调技术（如 LoRA）和部署流程，具备 Prompt 调优的经验，能够根据业务需求设计和优化 Prompt，提升模型的性能和输出质量。4. 集成 Weaviate、Chroma、Pinecone、Milvus 等向量数据库，优化Agent的长期记忆能力，并熟悉 MemGPT、LangMem、Zep 等Memory管理框架，实现高效的Agent记忆存储与检索。5. 熟悉 Dify、FastGPT 等Agent开发工具，能够阅读和优化其代码。掌握 FlowRAG、LangChain，能够构建高效的检索增强生成系统。6. 熟悉 MCP协议，具备

大模型应用开发专家 北京 全职 互联网 / 电子 / 网游 - 研发 职位描述 1. 架构设计与开发：负责基于大模型（LLM）的复杂应用系统架构设计与核心代码实现，确保系统的高可用性、高并发性与可扩展性。2. 后端与AI工程化：精通Python/Java后端开发，构建高性能、高可用的AI服务接口；深度集成LangChain、LlamaIndex等AI框架，实现业务逻辑与大模型能力的无缝对接。3. AI技术落地：主导RAG（检索增强生成）系统的优化、Agent（智能体）任务编排及多轮对话逻辑的实现，提升AI在实际业务场景中的响应准确率与用户体验；主导GraphRAG（知识图谱增强检索）与向量检索的深度融合，负责复杂知识关联的建模与查询优化。4. 中间件与基础设施：负责向量数据库（如Milvus/Pinecone/Weaviate）、图数据库（如Neo4j/NebulaGraph）、缓存、消息队列等中间件的选型、集成与维护。5. 协同与工程化：与模型团队紧密配合，推动模型接口协议标准化，负责AI服务的CI/CD、监控告警及生产环境的稳定运行。 职位要求 1. 计算机、软件工程、电子信息等相关专业本科及以上学历，5年以上后端开发经验，其中至少2年专注于AI应用开发。2. 精通Python后端开发，具备扎实的编程能力、数据结构与算法功底，熟悉异步编程及性能优化；深入理解RAG与Agent开发，能熟练运用LangChain、LlamaIndex、LangGraph等框架解决复杂业务问题。3. 深入理解大模型生态，有实际的大模型应用落地项目经验，熟悉Function Calling、Tool Use等Agent核心技术。4. 熟悉常用后端技术栈，包括但不限于MySQL、Redis、Kafka、Docker/K8s等，具备构建高可用服务的工程能力。5. 知识图谱与检索增强：深入理解知识图谱在RAG场景下的落地路径，熟悉NebulaGraph、Neo4j等主流图数据库的使用及查询语言（如Cypher/nGQL）。6. 语义建模能力：掌握实体识别（NER）、关系抽取（RE）等知识构建技术，具备将非结构化数据转化为结构化知识库的实际项目经验。7. 掌握向量数据库的使用与原理，了解语义搜索、重排序（Rerank）等RAG关键技术。8. 具备优秀的工程化思维，能解决复杂系统中的稳定性、并发及安全问题。加分项1. 有高并发、大流量分布式系统开发经验者优先。2. 同时掌握Python和java生态，有大规模后端系统开发经验者优先。3. 熟悉模型部署工具（如vLLM, TGI, TensorRT-LLM）或有模型微调工程经验者优先。4. 在GitHub有知名AI相关开源项目贡献，或在技术社区有深度技术分享。5. 具备Prompt Engineering高级技巧，能够通过调优显著提升应用端效果。