ㅤㅤㅤㅤ

• 多智能体系统：具备Agent2Agent协作设计能力，能够构建多Agent分工体系（如Planner/Executor/Reviewer），实现任务分解、通信与协同执行；熟悉多Agent调度机制与状态管理策略，具备复杂任务系统化建模能力
• 智能体开发：熟练运用Dify、LangGraph、LangChain、Coze等框架开发AI应用，具备任务拆解与Skill抽象能力，可构建标准化Workflow/SOP，并基于MCP实现工具接入与上下文管理，支持多工具协同调度
•数字人系统：熟练ASR、TTS及语音驱动的交互式数字人系统开发全流程，能够实现语音输入识别、意图理解后的语音回答生成，以及数字人形象驱动。
•RAG系统：熟练基于语义的文档处理策略，掌握 GraphRAG与 LightRAG等检索增强生成技术。
•Prompt工程：具备丰富的 Prompt编写经验，能够设计高质量提示词以优化模型输出效果。
•模型高效微调：熟练应用LoRA、SWIFT等PEFT方法，实现大模型在下游任务中的快速适配与轻量调优。
•模型推理与部署：熟练LLM推理加速策略，掌握vLLM、Sglang、Ollama等部署框架，了解Qwen、ChatGLM、DeepSeek等主流模型特性。
•多模态模型：熟练多模态模型的应用，包括GLM4-V、Qwen3-VL、Deepspeak-V3等，具备多模态任务融合实践经验。
•自然语言处理：熟练知识图谱构建、NER及多模态融合等 NLP技术，熟练使用 HuggingFace等工具库。
•深度学习算法：熟练使用 RNN、CNN、LSTM、Word2Vec、Transformer、BERT、GPT等主流深度学习模型。
•开发语言与环境：熟练使用python编程语言、Linux开发环境及TensorFlow等工具，具备完整的项目开发、交付与部署经验。
•深度学习框架：熟练使用 PyTorch、TensorFlow等主流框架，熟悉 RNN、LSTM、CNN等模型的实现与调优。
•数据库与向量检索：熟练操作MySQL、Redis、postgresql等数据库；掌握faiss、Milvus等向量检索库，能够实现高效的向量相似度搜索。