岗位职责
- 负责供采全链路 AI Agent 的架构设计与核心开发，覆盖供应商管理、寻源招投标、合同履约、成本分析、需求预测、库存优化、物流调度等业务场景； 主导大模型（LLM）Agent 的技术落地，包括 ReAct/Plan-Execute 规划、多 Agent 协作、Tool/Function Calling、Memory 机制、Workflow 编排等核心能力的设计与实现； 设计高可用、可扩展的 Agent 服务架构，支撑多轮对话、工具链调度、子 Agent 分发等复杂交互模式； 评估并引入前沿 Agent 框架与技术（多模态 Agent、Self-Reflection、MCTS 规划等），解决供采业务中的复杂决策问题。
- Agent 应用工程与平台能力 主导 Agent 开发平台的技术设计，包括 Prompt 管理、工具注册中心、知识库接入、评测沙箱、版本灰度等核心模块； 构建面向供采业务的 Agent 能力组件库，实现智能供应商评估、智能寻源问答、合同风险审查、需求预测分析、库存优化建议、物流路径规划等场景的能力复用； 设计并实施 Agent 性能优化方案，包括 推理加速、并发调度、缓存策略、上下文窗口管理、长任务异步编排等，保障大规模并发下的响应效率； 建立 Agent 可观测性体系，覆盖 效果监控、Trace 链路追踪、A/B 测试、异常告警、根因分析等技术机制。
- 业务支持与价值交付 深入理解供采全链路业务流程，将业务问题转化为 Agent 技术方案，推动技术驱动的业务创新与效率提升； 与业务方紧密协作，识别高价值的 Agent 应用场景，制定技术路线图和优先级，确保资源投入产出最大化； 主导跨系统的数据集成与知识库建设，构建供采领域的 结构化知识图谱 + 非结构化文档检索体系，为 Agent 提供高质量的知识与工具支撑； 对 Agent 项目的业务效果负责，通过技术手段持续优化任务完成率、工具调用准确率、用户满意度等核心指标。
职位要求
- 大模型 Agent 技术实战：具备完整的 LLM Agent 落地经验，熟悉 Prompt Engineering、RAG 检索增强、Tool/Function Calling、多 Agent 协作编排、Self-Reflection 等核心能力；熟练使用主流 Agent 框架与工具链（LangGraph / AutoGen / Semantic Kernel / Dify 等），能独立完成 Agent 设计到部署的全流程。
- 工程架构能力：熟悉微服务、容器化、云原生架构，有高并发、高可用系统设计经验；掌握 Agent 服务的工程化最佳实践，包括 Prompt 版本管理、评测流水线、灰度发布、可观测性建设。
- 供采业务理解（优先）：熟悉供应链、采购、ERP、SRM、WMS 等领域，了解供应商管理、招投标、合同、成本分析、需求预测、库存优化等全链路场景；能将业务流程拆解为 Agent 可执行的任务编排与工具调度策略。
- 技术基本功：扎实的编程能力（Python 为主，Java/Scala 加分），熟悉 RESTful/gRPC 接口设计与异步编程模式；了解机器学习/深度学习基本原理，熟悉大模型推理优化（量化、KV-Cache、vLLM 等）者优先；熟悉大数据技术栈（Spark / Flink）及云平台 AI 服务者优先。
- 项目落地与商业化：有成功的 Agent / AI 应用项目案例，能清晰阐述技术方案与业务价值；有从 0 到 1 搭建 Agent 平台或智能体产品经验者优先。
- 软技能：优秀的沟通能力，能将技术问题用业务语言表达；强烈的业务敏感度与价值导向，抗压自驱，具备良好的协作精神。
