1.外部大模型集成与治理：负责评估、接入与运维第三方大模型（LLM/MLLM）API服务，管理其调用成本、性能与版本迭代，构建稳定可靠的模型服务底座。 2.机器人场景化交互设计：针对抓取、装配、检测等机器人典型任务，设计并实现基于大模型的自然语言、语音及视觉交互界面，将用户指令精准解析为机器人可理解的结构化任务。 3.领域知识工程与提示词优化：构建并持续优化面向特定工业场景的领域知识库与提示词模板，运用检索增强生成（RAG）等技术，显著提升大模型在专业任务中的准确性与可靠性。 4.应用层安全与合规性设计：在应用层构建指令安全过滤、操作风险规避及输出合规性审查机制，确保大模型生成的所有任务指令符合机器人安全操作规范与业务伦理。 5.工程化部署与性能调优：负责大模型交互服务的容器化部署、监控与高可用保障。通过链路优化、缓存策略等手段，确保交互响应的实时性与系统稳定性。 6.API封装与技术支持：将大模型能力封装为标准化、可复用的API或SDK，为上层应用（任务编排、人机界面）及算法模块（任务规划）提供清晰易用的技术支持。 7.全流程协同与效果闭环：与机器人任务规划、运动控制及感知团队深度协同，参与从“指令理解”到“任务执行”的全流程效果调优，基于实际运行数据持续改进交互体验。

1.专业基础：计算机科学、人工智能、软件工程等相关专业本科及以上学历。 2.核心技能：具备1年以上AI应用开发经验，精通主流大模型API集成、提示词工程及性能调优，有基于LangChain等框架构建智能体（Agent）或RAG系统的成功实践。 3.工程能力：熟练掌握Python及后端开发框架，具备良好的系统设计、代码编写与问题排查能力，熟悉Git、Docker等开发运维工具。 4.机器人领域知识：对机器人或自动化有强烈兴趣，了解机器人基本能力、典型任务流程与关键技术模块，能基于机器人可行性设计交互逻辑。有机器人相关项目经验者优先。 5.技术广度：了解计算机视觉、语音等多模态技术的基本概念与应用，能与感知算法团队进行有效协作。 6.安全与质量意识：具备良好的技术风险意识，对AI应用的稳定性、安全性与隐私保护有深刻理解。 7.沟通与协作：拥有出色的跨团队沟通能力和文档撰写能力，能清晰传递技术方案并推动落地。 8.学习与主动性：能快速跟踪并评估大模型领域前沿技术，主动探索其在机器人场景下的创新应用。