岗位职责
- 负责医疗 AI 搜索场景下 Agent 应用的架构设计与研发,主导 Deep Research(深度研究)、报告/PPT 自动生成等长任务型智能体的端到端落地,让 AI 从“回答问题”升级为“自主完成复杂任务并交付专业成果”;
- 负责多智能体编排内核的设计与演进,包括任务规划与拆解、工具/子 Agent 调度、上下文与记忆管理、状态持久化与断点恢复、模型路由等核心模块;
- 建设 Agent 的评估与可观测体系,覆盖全链路 Tracing、失败归因、离线评测集与线上效果监控,让效果迭代从“改 Prompt 碰运气”变为可度量、可归因的工程闭环;
- 与搜索、数据、算法团队协同,将医学文献、临床指南、多模态文档等高质量数据与 RAG 能力接入 Agent 链路,持续提升回答的循证性与可追溯性;
- 以 AI Native 的方式研发,保障系统稳定性、性能与成本可控,并通过核心能力的沉淀与复用支撑新场景快速接入。
职位要求
- 计算机、软件工程、人工智能等相关专业本科及以上学历,3 年以上后端/服务端研发经验,有 LLM 应用或 Agent 系统的生产落地经验者优先;
- 熟练掌握至少一门主流后端语言(Java / Python / Go 等),具备扎实的编程基础、系统设计与工程化能力;熟悉 Spring 等主流框架、常用中间件或 Python 生态者优先;
- 深入理解 LLM 应用开发范式,熟悉 Prompt / Context Engineering、Function Calling / Tool Use、RAG、MCP,理解 ReAct、Plan-and-Execute 等 Agent 架构及其适用边界;
- 具备长任务系统的工程经验:任务编排、状态持久化与断点恢复、幂等与重试、超时与预算控制、并发与故障隔离;
- 熟悉 Agent 效果评估与问题归因方法,有 Tracing、离线评测、线上监控等可观测体系建设经验;
- 具备 AI Native 思维,习惯主动思考“这个问题能否用 AI 更好地解决”,善用 AI Coding 提升研发效率,并具备快速原型验证想法的能力;
- 具备产品思维与端到端交付意识,能站在用户视角判断“任务是否真正完成、结果是否可用”;
- 有医疗、搜索、Deep Research、文档/PPT 生成等场景经验,或有高质量开源项目、技术博客、专利者优先。