岗位职责
- 负责 AI Agent 核心架构设计与工程落地，构建基于 Planning / Memory / Tool-use 的任务编排引擎，实现复杂任务的自动化规划与执行。
- 基于 MCP（Model Context Protocol）构建可扩展工具体系，优化 Function Calling，打通 Agent 与企业系统的集成能力。
- 设计并落地 Agentic RAG 与 GraphRAG，构建支持多跳推理与动态更新的长效记忆系统。
- 设计推理策略与模型调优方案，包括混合路由策略、Prompt 优化及面向 Tool-use 场景的模型微调（SFT/DPO）。
- 建设端到端评估与可观测体系，搭建 Eval Framework，对决策轨迹、工具调用准确率与自愈能力进行监控与优化。
- 负责 AI Agent 在真实业务场景中的落地，进行技术预研、架构设计、业务抽象与核心模块研发，推动产品快速迭代。
- 主导 AI 原生应用的端到端交付，打通大模型推理、Agent 编排与前端交互，完成从研发到上线的全链路建设。
职位要求
- 计算机、人工智能、数学等相关专业本科及以上学历，3 年以上后端研发或 AI 工程落地经验，有生产环境 AI 应用调优经验。
- 精通 Python、Go、Java 或 Node.js 至少一门语言，具备高并发、高可用分布式系统设计与问题排查能力。
- 深入理解并熟练使用主流 Agent 框架（如 LangGraph、PydanticAI、LlamaIndex Workflows、CrewAI、AutoGen、smolagents 等），有源码级定制或重构经验优先。
- 理解 Transformer 原理及主流大模型（Qwen、DeepSeek、Gemini、Claude、OpenAI 等），熟悉 ReAct、CoT、ToT、Plan-and-Solve 等推理范式。
- 熟悉向量数据库（如 Milvus、Qdrant）及图数据库（如 Neo4j、NebulaGraph），具备知识图谱或 GraphRAG 实践经验。
- 有 Agent 应用或行业垂直场景落地经验，具备全栈或前后端协同开发能力，能够从用户视角优化产品体验。
- 具备良好的技术洞察力和学习能力，持续关注前沿论文和开源社区，能够将复杂业务需求拆解为清晰的 Agent 工程方案。 加分项
- 参与知名开源 AI / Agent 项目，或拥有高 Star 的开源项目。
- 主导过 Multi-Agent 系统从 0 到 1 的落地并产生实际业务价值。
- 具备模型微调实战经验，如 SFT、RLHF、GRPO 等，用于提升推理能力或工具调用准确率。
- 在搜索、内容、客服、营销等平台型应用领域具有系统架构经验。
