岗位职责
- Long-Horizon Agent 核心架构：设计并落地面向金融场景的长程智能体系统，涵盖多步推理（CoT/ToT）、计划-执行-验证-重规划循环、跨会话状态持久化与经验累积，使智能体能够自主完成数小时乃至数天跨度的复杂金融业务任务。
- Agent 运行时与编排引擎：构建 Agent Harness 层——支持 Agent Loop（ReAct/Reflection 循环）与 Graph-Native 有状态图编排（Nodes/Edges/Cycles、条件路由）两种范式，内置持久化层实现断点恢复、Human-on-the-loop 审批与轨迹回溯；设计 Agent 沙箱与隔离执行环境；支撑生产级多智能体协作与大规模并发弹性伸缩。
- 上下文工程与记忆系统：设计工作上下文管理（压缩、摘要、窗口调度）与持久化记忆架构（向量检索、结构化经验存储），解决 "Lost in the Middle" 退化和跨 Session 状态断裂问题，保障长程任务执行质量。
- 工具生态与 MCP 协议集成：设计 Tool-Use 框架与 Model Context Protocol 接入层，实现金融领域工具（行情、研报、合规检查、交易执行等）的标准化注册、动态发现与安全调用；定义清晰的 SDK/API 接口供客户侧二次开发与生态扩展。
- Agent 评测与可观测：构建 Agent 评测体系——覆盖规划能力、工具调用可靠性、多轮交互一致性、长程记忆连续性等核心维度；建设 Agent 全链路 Tracing 与运行时可观测平台，支撑快速定位和修复 Agent 行为异常。
- 新一代知识库（知识编译）：设计以 LLM 为编译器的智能知识库架构——摄入即整合，替代传统 RAG 的"查询时拼凑"模式，实现知识复利与持续增量更新，服务金融研报、合规文件等高密度知识场景。
- 训推一体与模型服务：参与金融领域模型的微调、评测与推理服务建设，关注 Agentic RL 在金融任务上的应用，推动模型能力内化。
- 金融级稳定性与合规：负责金融级 SLA 保障体系建设（容灾、降级、灰度、熔断），满足金融客户对高可用、数据安全与监管合规的严格要求。
职位要求
- 5年以上开发经验，至少熟练掌握一门主力语言（Java/Python/Go/Rust），具备扎实的系统编程与工程化能力。
- 理解 LLM 推理链路与 Agent 交互范式（ReAct、Plan-and-Solve、Reflection），能设计可靠的多步工具调用与错误恢复机制。
- 熟悉向量数据库与检索/排序链路，有 RAG 系统或 Agent 记忆系统端到端设计经验。
- 具备清晰的系统分层与抽象能力，能从业务问题出发进行架构拆解，而非仅执行单点需求。
- 是 AI Agent 产品（Claude Code、Cursor、ChatGPT、Manus 等）的深度用户，对主流 Agent 的能力边界与交互范式有切身体感。 有以下经验者优先考虑：
- 有 Agent Harness / Runtime 系统设计与落地经验——包括编排引擎、沙箱隔离、状态持久化、容错重试、Multi-Agent 协作中的任一方向。
- 熟悉 Model Context Protocol (MCP)、OpenAI Function Calling 或类似工具协议标准，有 Agent 工具生态或 SDK 设计经验。
- 有 Agent 评测体系建设经验，能设计覆盖规划、工具调用、记忆连续性等维度的自动化评测流程。
- 有模型微调/RLHF/Agentic RL 实践经验，理解如何将 Agent 行为能力内化到模型权重中。
- 有 ToB 产品工程化交付经验，理解金融行业合规与专有云部署诉求。
- 关注 AI Agent 前沿进展（Self-Evolution、Cross-task Experience Accumulation、Runtime Harness 设计），有论文复现或开源贡献。
