岗位职责
一、Agent Runtime 与任务编排 ● 设计并实现 Agent 运行时——基于 Planning / Memory / Tool-use 构建高性能编排引擎，覆盖多步推理（ReAct / Plan-and-Solve）、上下文管理与状态机，让 Agent 稳定跑完长链路任务而不中途跑飞 ● 深度优化 Function Calling 并基于 MCP（Model Context Protocol）构建可扩展工具链，打通 Agent 与外部系统、企业应用的互通 ● 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，突破长上下文知识瓶颈 ● 打通工具与沙箱执行层——代码执行、文件操作、外部 API 调用的安全隔离与权限控制，让 Agent 既能干活又不越界 二、评测与可靠性（Eval Harness） ● 搭建端到端 Eval Framework——从单点工具调用到完整任务轨迹（trajectory）的自动化评测，用数据而不是直觉来判断每次迭代是进步还是退步 ● 建立自动化监控闭环——围绕决策轨迹、工具调用准确率、自愈率做全链路 tracing 与失败分层归因（infra 层自动重试、agent 层转人工），让线上问题可复现、可定位 ● 沉淀回归数据集与质量基线，推动团队形成"改一版就能量化验证"的研发节奏 三、全栈应用落地 ● 主导 AI 原生应用的端到端交付——打通从大模型推理、Agent 编排到前端用户界面的全链路，独立完成核心系统与模块的开发上线 ● 负责 Agent 工作台的交互实现——会话、任务视图、运行轨迹可视化，让用户真正看得懂 Agent 在做什么、卡在哪 ● 保持对业务场景的敏锐洞察，快速理解业务痛点，把模糊的产品需求转化为清晰的技术方案并推动快速迭代 四、技术协作与工程文化 ● 参与 Agent 方向的人才引进与技术面试，协助搭建高水准的工程团队 ● 积极沉淀 Agent 工程实践，输出技术文档与最佳实践，营造开放分享的工程文化 ● 参与技术分享与行业交流，在 Agent 工程领域建立个人和团队的技术影响力
职位要求
一、基础条件 ● 计算机、人工智能、数学等相关专业本科及以上学历 ● 3 年以上软件研发或 AI 工程落地经验（高级 / P7 方向需 5 年以上），有生产环境 AI 应用的开发与调优经历 ● 有从设计到上线、独立交付复杂系统的完整经历——需求、架构、编码、调优、线上运维整条链路都走过一遍 二、核心能力 ● 全栈无边界：Node、Python、Java 至少一门能扛生产，不挑技术栈、缺哪补哪，有独立扛起一条端到端链路的经验 ● Agent 运行时：有基于 Planning / Memory / Tool-use 构建编排引擎、Function Calling、MCP 工具链或多步任务管线的落地经验，踩过长链路稳定性与时延成本的坑并把它填上 ● 评测与可靠性：有搭建端到端 Eval、可观测体系（决策轨迹 / 工具准确率 / 自愈率）的实践，习惯用数据度量效果而不是拍脑袋 ● 复杂问题拆解：主导过有明确指标的技术攻坚，能把模糊的商业需求转化为清晰、可执行、可验证的 Agent 工程链路 三、优先考虑 ● 有 Codex、Claude Code、Cursor 等编码 Agent 或 Agent 产品的深度使用或研发经验，有敏捷的AI协作技巧 ● 有基于 LangGraph、OpenAI Agents SDK、Google ADK、Hermes Agent 等主流 Agent 框架构建多 Agent 系统的经验，有源码级定制或重构经历者更佳 ● 有 Agentic RAG / GraphRAG 落地经验，用过 Milvus、Qdrant、Neo4j、NebulaGraph 等向量 / 图数据库；或有面向 Tool-use 场景的 SFT / DPO 模型对齐实战 ● 有字节、腾讯、百度等大厂 Agent 平台或研发效能工具的落地案例，或作为核心开发者参与过知名开源 AI / Agent 项目 ● 重点应用领域架构能力。电商、营销、金融 等。
