岗位职责
- 技术战略与路线决策 (Technical Strategy & Roadmap) 定义 Agentic AI 业务的整体技术演进路线，对技术选型的前瞻性与落地性同时负责。 主导核心技术路线的战略级取舍，避免因归因错误导致的规模化资源浪费。 与业务及产品负责人共同定义技术目标与节奏，确保投入与业务北极星指标强对齐。
- Agent 质量体系与评测飞轮 (Quality System & Eval Flywheel) 对线上 Agent 的端到端质量直接负责。建立系统级的 Agent 标准，让"好不好"成为可度量、可归因、可迭代的工程问题。 构建从数据清洗、Bad Case 挖掘、评测执行到修复上线的自动化闭环飞轮，持续压缩问题发现到修复的周期。 解决离线评测与线上体验的错位问题，建立离线 Eval、在线指标与人工抽检三者互相校准的质量体系。
- 平台化与基础设施 (Platform & AgentOps) 统筹 Agent Infra & Platform 建设，包括 Agent 框架、Eval 平台、Sandbox、可观测性 (Observability) 以及统一的工具调用 (Tool-use) 能力。 主导 Context Engine 的架构演进：RAG、Memory、上下文组织与数据供给，确保 Agent 在真实业务数据上的准确性与新鲜度。 对平台建设保持克制与判断力，清楚区分"应该沉淀为平台的共性能力"与"应该留在业务侧快速迭代的能力"，以平台采用率而非平台数量作为衡量标准。
- 工程效率与成本经营 (Engineering Efficiency & FinOps) 对单位任务成本、推理效率与资源利用率负责，将成本能力建设为业务的结构性优势而非事后补救。 主导 Agent Ops、FinOps 与资源调度体系建设，把成本账算到可归因的粒度，支撑技术决策与商业化定价。 持续投入研发效率工具与工程基建，让团队的产出效率随规模增长而不是被规模稀释。
- 应用交付与端到端体验 (Applied AI & Delivery) 统筹 Applied AI 与产品功能的交付，对从模型能力到用户手中体验的完整链路负责。 在不确定性极高的底层模型之上，交付具备生产力级别稳定性的用户体验：定义 Agent 的自主权边界、错误恢复机制与人机协作范式的工程实现。 建立跨方向的联合作战机制，避免 Infra、Applied AI、Context 各自为战，确保同一个质量问题有统一的归因和裁决路径。
- 组织建设与人才培养 (Org Building & Leadership) 带领团队下多个技术方向，搭建下一层组织人才，定义技术标准与人才梯队。 打造兼具工程师文化与良好 AI 技术直觉的复合型团队，让工程与算法能够在同一套语言体系下决策。 在高速迭代、充满不确定性的 AI 浪潮中保持团队的战略定力，建立容错、鼓励验证、以结果为准的技术文化
职位要求
10 年以上研发经验，带过 50 人以上工程团队，具备多级管理经验。 有完整的 LLM / Agent 产品从原型到生产、并对线上质量长期负责的经历。不是只做过平台，也不是只做过模型。 具备大规模分布式系统或平台建设背景，理解成本结构，能够基于真实账单和资源数据做决策
