®你在 OTOKO® 的角色
你将把 AI 原型转化为可理解、可追溯且适用于实际业务流程的应用。工作重点是检索、工具接入和回答质量。你将在软件开发、数据和安全的交汇处开展工作，并参与决定哪些任务应由模型承担，以及哪些任务采用确定性逻辑更为可靠。
RAG、智能体与安全工具接入
一个知识助手需要查找文档，但只能输出相应人员有权访问的内容。你将把导入、权限过滤、检索和来源显示设计成连贯的流程。智能体需要经过验证的工具参数和受限的执行权限。测试须覆盖缺少来源、文档遭篡改和问题含义不明确等情况。你据此判断是否需要调整分块、重排序、提示词或业务流程。
你的任务
- 开发 RAG 应用：处理文档，选择合适的分块和检索方法，并确保权限控制一直贯彻到搜索环节。
- 实施由 LLM 支持的工作流和智能体；验证工具调用，限制执行权限，并为关键操作设置人工批准环节。
- 使用贴近现实的测试用例建立评估体系，使回答质量、来源依据、幻觉、运行时间和成本可以相互比较。
- 通过 API 将应用集成到现有系统中；从一开始就考虑故障场景、回退方案和可观测性。
- 开发与权限相关的检索测试，以及针对来源依据和工具调用的回归测试。
- 合理设计超时、回退机制和执行权限，避免模型错误触发不受控制的操作。
你需要具备
关键在于具备可清晰证明且与该职位相关的经验。这些经验可以来自相关职业培训、高校学习、职业实践或扎实的转行经历。我们会根据你的知识水平共同确定具体职责。
- 具备使用 Python 或 TypeScript 进行软件开发以及开发 API 应用的实践经验。
- 理解检索、嵌入以及生成式模型的局限；能够通过具体测试评估质量。
- 能够谨慎处理访问凭证、机密文档和权限。
这些经验会为你加分
这些知识会有所帮助，但无需同时全部具备。请在申请中说明你已在哪些领域积累了实践经验，以及希望深入学习哪些主题。
- 具备向量搜索、重排序或企业内部知识源接入经验。
- 了解提示词注入防护和智能体工作流评估。
该职位重视的成果
成功的成果是一个经过可追溯测试的 AI 应用，具备可核查的来源、受限的操作和明确的运营规则。你还需要向业务联系人说明，该解决方案基于审慎考虑而不会使用语言模型满足哪些要求。
你的工作地点：科隆或远程办公
该职位可在科隆或远程办公。具体合作方式、项目要求以及可能需要参加的客户会议，将在入职前共同协商。
你的雇佣形式
该职位采用全职或兼职的正式雇佣形式。我们会根据职位要求和你的知识水平，就任务、工时、入职日期和薪酬达成一致。
你的申请
请在申请中向我们展示你能为该职位带来的经验或兴趣。简历以及相关项目实例、证书或作品样本将帮助我们进行专业评估。请勿发送客户机密数据、访问凭证或受保护的源代码。
请告知我们你期望的工作模式、可以入职的日期，以及希望全职还是兼职工作。
如对该职位有疑问，请发送邮件至 hr@otoko.com 联系我们的招聘团队。加入应聘者人才库完全出于自愿，且只有在另行征得同意后才会进行；这并非审核你的申请的前提条件。
