岗位职责
本岗位聚焦企业级 AI Agent 平台的数据智能与记忆体系建设，核心目标是通过系统化的工程方法，从 Agent 运行轨迹、业务流程、用户反馈和企业知识中，沉淀可复用的智能资产、流程资产和记忆资产，帮助企业 Agent 持续自进化。岗位重点方向包括 Agent Memory、上下文工程、语义化数据分析、Agent 评估与效果优化。我们特别欢迎在短期记忆、长期记忆、记忆检索、记忆压缩、个性化 Agent、长对话系统等方向有深入实践的同学加入。
- 负责 Agent 平台数据智能体系建设，构建从 Agent 会话、运行轨迹、工具调用、用户反馈到业务结果的数据闭环，支撑 Badcase 挖掘、失败归因、效果评估和资产沉淀。
- 负责 Agent Memory 体系建设，设计并实现短期会话记忆、长期用户记忆、企业知识记忆、任务状态记忆等能力，支撑 Agent 在复杂业务场景中的连续交互和个性化服务。
- 负责记忆系统的工程化建设，包括记忆写入、检索、更新、压缩、衰减、冲突消解、权限隔离和生命周期管理。
- 负责上下文工程能力建设，围绕 Prompt、Skills、RAG、Memory、MCP Tools 等方向，提升 Agent 的业务理解、工具调用准确率和任务完成效果。
- 负责企业智能资产和流程资产沉淀，将知识库、Skills、Prompt、Workflow、策略规则、案例库等转化为可复用、可治理、可演进的智能资产。
- 负责 Agent 效果评估与自进化机制建设，包括评测集、自动评估、指标体系、A/B 实验、LLM-as-Judge、Trajectory Replay 等能力，并持续优化 Agent 效果与推理成本。
职位要求
- 计算机、数学、统计、人工智能等相关专业，具备扎实的工程基础、数据分析能力和系统设计能力。
- 有 AI、数据平台、后端平台或 LLM 应用相关研发经验，熟练掌握 Python 和 SQL，熟悉 Java 或 Go 者更佳。
- 熟悉 AI Agent 或 LLM 应用开发，了解 AgentScope、LangChain、Dify、ADK 等主流框架或平台，对 RAG、Tool Calling、MCP、Context Engineering 有实际项目经验。
- 熟悉 Agent Memory 相关架构和工程实践，理解短期记忆、长期记忆、工作记忆、情景记忆、语义记忆等概念，有记忆检索、压缩、衰减、冲突消解等落地经验者优先。
- 熟悉语义化数据分析方法，如意图识别、主题聚类、相似度检索、向量检索、Badcase 挖掘、调用链分析、失败归因等。
- 具备良好的指标设计、效果评估和问题定位能力，能够基于数据驱动 Agent 效果、记忆质量和运行效率优化。
- 喜欢挑战性的技术研发工作，善于攻坚克难，自驱力和学习力强；有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破。 加分项
- 有 Agent Memory、长期记忆、个性化 Agent、长对话系统、用户画像、智能助手记忆系统等Context Engineering方向的项目经验。
- 有 Mem
- Letta / MemGPT、Zep、LangChain Memory、LlamaIndex Memory 等记忆相关开源项目研发、使用或贡献经验者优先。
- 有 Agent Evaluation Harness、Benchmark、Trajectory Replay、自动评估、LLM-as-Judge 等评测体系建设经验。
- 有企业知识库、权限体系、多租户、审计管控、搜索推荐、向量数据库、知识图谱、流程挖掘或数据平台建设经验。
