企业官网建设流程全解析

岗位基础信息（2026 最新）

• 岗位名称：大模型应用研发岗（AI 大模型四大方向）
• 所属机构：宁波银行总行
• 工作地点：浙江・宁波
• 截止时间：2026-12-31
• 招聘部门：金融科技部・大模型应用研发部
• 学历要求：本科及以上
• 招聘人数：4 人

岗位职责

（一）【大模型应用研发】

1.负责大模型应用成果转化，与业务专家合作，了解业务产品需求并转化为大模型应用方案，主导相关应用的开发实施，负责大模型业务场景应用落地端到端工作；

2.基于最新的大语言模型、多模态等技术方法，实现金融领域下游任务场景的落地应用，包括对话机器人、坐席助手、文本生成、阅读理解、数据分析等；

3.负责金融领域具体业务场景的大模型微调、提示词工程、增强检索和智能体工作流构建等，负责模型调优和应用工程优化；

4.跟踪并分析行业应用动态，持续优化和改进现有业务解决方案；并梳理典型案例进行业务应用推广。

（二）【大模型数据工程师】

1.负责大模型DataOps平台能力建设，包括架构设计、技术研究和项目落地等；

2.负责人工智能需要的或生产的数据预处理、增强、清洗、标准、转换和集成，构建金融行业高质量数据集，以满足数据分析和数据治理的需求；

3.设计并优化数据存储方案，包括数据库、NoSQL数据库、文件数据库等；

4.构建和管理数据模型，为机器学习和人工智能应用提供支持；

5.确保数据安全和合规性，包括数据加密、访问控制和数据隐私保护；

6.协助业务团队进行大模型应用中的数据治理工作，提供专业指导和支持。

（三）【大模型算法】

1.负责大模型的训练、训练方案设计和优化工作，包括二次训练、指令微调、强化学习、模型质量评估、模型加速等；

2.针对应用场景构造高质量数据、清洗数据，负责领域数据资产化建设与持续优化。

3.跟踪大模型领域前沿技术，提出创新思路来推动算法升级和业务发展，撰写技术文档和报告。

（四）【大模型平台研发】

1.负责企业级人工智能平台的研发，涵盖数据处理DataOps、训练推理LLMOps和应用研发三大能力，建立大模型技术落地的系统化支撑；

2.负责Prompt、RAG和Agent等大模型应用技术框架和组件研发；

3.负责AIGC产品交互式对话产品设计与研发；

4.跟踪向量化模型、向量数据库、加速框架等算法模型和技术框架等的发展动态，建立异构技术多引擎收敛机制，持续优化平台；

5.跟踪并分析行业内大模型平台、领域应用平台发展动态，持续优化平台。

【以上AI大模型4个方向，均可投递该岗位】

招聘要求

• （一）【大模型应用研发】
• 1.计算机、人工智能相关专业本科及以上学历，具有两年以上工作经验；
• 2.具备深度学习、NLP算法、微调、强化学习的基础知识；
• 3.掌握P负责企业级人工智能平台的研发，涵盖数据处理DataOps、训练推理LLMOps和应用研发三大能力，建立大模型技术落地的系统化支撑； 负责Prompt、RAG和Agent等大模型应用技术框架和组件研发； 负责AIGC产品交互式对话产品设计与研发； 跟踪向量化模型、向量数据库、加速框架等算法模型和技术框架等的发展动态，建立异构技术多引擎收敛机制，持续优化平台； 跟踪并分析行业内大模型平台、领域应用平台发展动态，持续优化平台。 rompt、Rag、Agent的基本原理和应用方法；掌握知识问答、文本理解、文档生成、智能调度大模型主流应用范式；具有相应的应用研发经验。
• 4.关注行业和技术发展趋势，热爱学习新技术并结合业务进行过落地实践，良好的沟通协同能力，有高度的责任感、团队合作和敬业精神，具备较强的推动能力。
• （二）【大模型数据工程师】
• 1.计算机、数学、人工智能相关专业本科及以上学历，具有两年以上工作经验；
• 2.具有3年以上大数据领域工作经验，包括但不限于数据处理、数据分析
• 和数据工程；
• 3.熟悉大数据生态环境、数据仓库技术、数据存储解决方案等；
• 4.熟练掌握Java等后端语言；
• 5.有扎实的计算机基础 ，对数据结构和算法有深入了解；
• 6.熟悉大模型的训练、部署、服务化相关技术；熟悉大模型相关的数据处理，包括数据爬取、数据增强、数据清洗、数据标注及后处理等。 （三）【大模型算法】
• 1.计算机、人工智能相关专业硕士及以上学历，具有两年以上工作经验；
• 2.2年以上的NLP算法开发经验（能力突出者可放宽至1年），有大模型算法调优经验；
• 3.熟悉业界主流大语言模型的算法原理，熟悉SFT、RLHF等训练方式和LangChain等应用范式，有训练Tuning，Prompt Engineering，RAG 相关经验者优先；
• 4.熟练使用Python、Java编程开发语言，Pytorch、PaddlePaddle、Tensorflow 等深度学习框架，掌握大模型的多机多卡训练部署和加速技术。
• （四）【大模型平台研发】
• 1.计算机相关专业本科及以上学历，具有两年以上工作经验；
• 2.对各种开源的框架如Spring、Mybatis等有深入的了解，精通关系型数据库设计及SQL,精通linux操作系统；
• 3.具备大型系统架构设计能力，有扎实的Java编程功底和良好的编码习惯；
• 4.熟悉Apache/CNCF相关开源框架组件，具备K8S云原生技术实践经验，有分布式、多线程及高并发系统开发经验和性能调优经验；
• 5.掌握开源LLM的基础原理和应用，熟悉NLP并有实际业务场景应用经验，熟悉文本理解、生成等NLP算法，有GPT类大模型优化及工程应用实践经验优先。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。


对于想入局大模型、抢占未来10年行业红利的程序员和小白来说，现在正是最好的学习时机：行业缺口大、大厂需求旺、薪资天花板高，只要找准学习方向，稳步提升技能，就能轻松摆脱“低薪困境”，抓住AI时代的职业机遇。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】