岗位职责
- 云安全 Agent 建设： 深入理解云安全高发风险场景的分析与响应逻辑，主导包括任务编排、多 Agent 协作与权限分级管控的 Agent 架构设计。
- 安全知识与记忆工程： 将专家分析知识与处置 Playbook 沉淀为版本化、可热更新的 Skill 与知识库。设计短期 / 长期 / 情景多层记忆机制，构建可跨 Agent 共享的用户画像与工单情景记忆。
- 评测驱动的持续优化闭环： 构建覆盖场景数据集、离线评测、Trace 分析、根因归类到自动化回归的 Agent 评测体系，跟踪端到端解决率、意图准确率等核心指标，形成“评测 → 优化 → 回归”的自进化闭环。
- 大小模型效果优化： 针对 Agent 运行中的幻觉、推理偏差、指令遵循不足等问题，通过 Prompt Engineering、SFT、RLHF / Agentic RL 对齐等手段对大模型做定制优化；面向异常检测、分类打标、风险打分等高频子任务，构建并调优小模型，形成与 LLM 协同的推理链路，在保障效果的同时降低延迟与成本，并沉淀高质量训练与评测数据集。
职位要求
- 计算机科学、人工智能、机器学习、信息安全、网络安全等相关专业优先。
- 熟悉常见 Agent 设计模式，有实际的 AI Agent 设计与落地经验。
- 深入理解 LLM 技术栈：Transformer 架构、Prompt Engineering、Context Engineering、RAG、MCP 等关键能力。
- 熟悉 Agentic RL 算法（如 GRPO、PPO、RLHF 等），能够通过强化学习推动 Agent 策略优化。
- 熟悉机器学习 / 深度学习技术，熟悉分类、异常检测等常见任务的建模方法。
- 优秀的团队合作精神和沟通技能，具备创新精神和持续学习的意愿，能够在快速变化的环境中进行有效工作。 加分项：
- 具备云安全或网络安全业务经验，理解入侵检测、告警响应、漏洞管理、安全配置基线等核心场景的工作方式或安全产品开发经验者优先。
- 有 Claude SDK 生态、LangChain 等框架的实战经验。
- 有强化学习（RLHF / GRPO / Agentic RL）在 Agent 策略优化上的实战经验。
