大模型应用开发工程师个人简历

基本信息

• 姓名：XXX
• 联系电话：XXX
• 电子邮箱：XXX
• 求职意向：大模型应用开发工程师（智能客服 / LLM 应用落地方向）

教育背景

XX 大学 | 计算机科学与技术专业 | 本科 | XXXX 年 X 月 - XXXX 年 X 月

专业技能

• 大模型与 AIGC 应用开发：精通 Python 编程语言，熟练掌握 GPT、Llama、Qwen 等主流大模型应用开发；精通 Prompt 工程、上下文优化、模型微调技术，深耕企业知识库、智能问答、AI 助手等落地场景，具备从需求拆解、方案设计到上线迭代的全流程实战经验。
• RAG 全流程技术栈：熟练掌握 RAG 知识库搭建全链路流程，涵盖文档解析、文本清洗、智能切片分块、向量检索、重排优化等核心环节；熟练使用 Milvus、FAISS、Chroma 等主流向量数据库，擅长长文本处理与多轮对话优化，可有效提升 AI 问答准确率与响应效率。
• 数据处理与接口开发：熟练运用 Pandas、NumPy 完成数据清洗、结构化处理与高质量数据集制作；掌握 FastAPI、Flask Web 框架，可独立开发、封装 AI 业务接口，具备模型服务部署、调试与容器化运维能力。
• 工程化与运维能力：熟悉 Linux 操作系统、Git 版本控制等开发工具；具备线上 AI 服务监控、故障排查、性能调优实战经验，可针对性优化对话响应速度、内容准确率、服务稳定性，保障业务常态化稳定运行。

项目经历

企业级智能客服对话系统（基于 RAG 的大模型应用）

项目时间：XXXX 年 X 月 - XXXX 年 X 月 项目职责：独立负责项目需求拆解、技术方案设计、全流程开发落地、线上部署与迭代优化，支撑企业内部知识库问答、用户咨询应答核心业务，实现客服场景智能化、自动化升级。

项目背景

企业原有客服体系依赖人工应答，存在响应效率低、运营成本高、咨询解答不统一等问题；业务知识库内容分散、格式杂乱，客服人员无法快速精准调取业务信息。同时用户咨询多为多轮对话、长文本复杂问题，传统规则引擎无法适配复杂场景应答需求，亟需搭建基于大模型的智能客服系统，解决业务痛点，提升服务效率与用户体验。

核心工作与技术实现

• RAG 知识库搭建与全流程优化 负责企业产品手册、售后文档、政策文件、FAQ 等非结构化业务数据处理，完成文本清洗、格式标准化、智能切片分块，搭建适配企业业务场景的高质量专属知识库。基于 Milvus 向量数据库实现文档向量化存储与快速检索，结合 BGE 重排模型优化召回策略，有效解决长文本信息遗漏、无关内容干扰、检索精准度低等问题。同时针对客服对话场景定制系统化提示词、Few-shot 示例模板，标准化大模型输出格式，保证回复贴合企业业务话术、符合官方服务规范。
• 大模型应用开发与业务适配 基于 Qwen-7B 开源大模型开展业务场景微调，针对客服高频咨询、常见问题应答场景优化模型生成逻辑，大幅提升回复准确率与口语自然度。自主开发多轮对话上下文管理模块，实时维护用户对话历史、会话状态，实现上下文连贯应答，彻底解决多轮对话信息丢失、逻辑断裂等问题。基于 FastAPI 封装知识库检索、模型调用、对话管理等核心能力，实现业务接口模块化开发，保障服务可扩展、可快速迭代。
• 系统工程化落地与运维迭代 完成 AI 服务容器化部署、线上调试与版本发布，搭建日志监控、性能告警体系，实时监控接口响应时长、模型调用成功率、问答准确率等核心业务指标。针对线上响应延迟高、回答偏差、服务波动等问题开展专项优化，通过异步调用优化接口响应速度，通过知识库动态更新、检索策略调优提升问答精度，通过服务扩容、负载均衡保障高并发场景稳定性。联动产品、业务团队收集用户反馈，持续迭代对话流程与应答逻辑，优化用户交互体验，降低人工转接压力。

项目成果

• 智能客服系统成功上线落地，覆盖企业 80% 以上高频咨询场景，人工客服转接率降低 40%，用户咨询响应时间从 5 分钟缩短至 1 秒以内。
• 搭建完善的企业级业务知识库，覆盖产品、售后、政策全场景文档，AI 问答准确率从 75% 提升至92% 以上。
• 系统稳定支撑日均 10 万+ 次对话调用，服务可用性达 99.9%，大幅降低企业客服运营成本，显著提升用户服务满意度。

实习 / 工作经历

XX 科技有限公司 | 大模型应用开发工程师 工作时间：XXXX 年 X 月 - XXXX 年 X 月

• 深度参与企业级 AIGC 应用项目研发，负责智能问答、文本生成等核心场景的功能开发、迭代优化，精准对接业务需求落地 AI 解决方案。
• 主导 RAG 系统的搭建、迭代与日常维护，完成多品类业务数据处理、知识库搭建及检索策略优化，持续提升 AI 输出精准度与服务稳定性。
• 跟进大模型前沿技术，调研主流 LLM 模型、RAG 优化方案与行业落地案例，落地多项功能优化方案，有效解决业务场景下准确率不足、响应延迟高等核心痛点。
• 配合产品团队完成需求拆解、技术方案评审，输出标准化技术文档与迭代报告；负责线上 AI 服务日常运维、故障排查与性能调优，保障项目高效交付、稳定运行。

自我评价

深耕大模型应用落地领域，具备扎实的 Python 开发功底与成熟的 RAG 全流程实战经验，精通智能客服、企业知识库等核心业务场景的技术落地与优化迭代。可独立完成需求拆解、方案设计、开发部署、运维迭代全链路工作，擅长结合实际业务场景落地 AI 技术、解决核心业务痛点。具备良好的团队协作能力、高效的问题排查能力与快速学习能力，持续跟进大模型前沿技术，深耕 AIGC 应用落地方向，致力于通过技术赋能企业 AI 业务高效迭代与价值落地。