岗位职责
- 负责新一代AI Agent Memory系统的架构设计、核心模块研发与系统演进，建设支持长期记忆、会话记忆、任务记忆的统一记忆平台；
- 负责基于记忆的个性化与主动服务推荐系统建设，将用户长期记忆、实时行为与场景上下文转化为可用的用户理解，支撑Agent在合适的时机主动推荐内容、服务与产品，设计时机判断、候选召回、排序决策与触达的完整链路；
- 负责记忆系统与Agent运行框架的深度集成，设计记忆读写接口、触发机制、上下文组装与压缩策略；
- 设计并优化记忆的写入、整合、检索、更新、压缩与遗忘全链路，支持版本化、可回溯与证据溯源；
- 建设记忆与推荐系统的自进化机制，打通用户反馈信号的采集、归因与回流，支撑记忆内容、召回策略与推荐及服务策略基于真实反馈持续自动迭代，并保证过程可控、可回滚。
职位要求
- 计算机、软件工程等相关专业，本科及以上学历；
- 具备扎实的后端或平台研发经验，有较强的架构抽象、接口设计与工程落地能力，主导过供多个团队使用的框架或平台者优先；
- 熟悉Java/Python/TypeScript语言中的一种，具备良好的代码质量意识与工程规范；
- 有Agent框架或Harness的实际研发或深度使用经验（如Claude Agent SDK、Codex、DSH等），理解其上下文管理、工具调用、状态管理等内部机制；
- 理解Embedding、RAG、Context Engineering、长期状态管理等大模型应用核心问题，熟悉记忆抽取、召回排序、更新、压缩与遗忘中的一个或多个方向；
- 了解推荐系统的基本架构（召回、排序、重排、特征与样本链路），对大模型/Agent与推荐系统的结合（如LLM用户建模、生成式推荐、Agent主动服务）有思考或实践者优先；
- 能够从系统与算法结合的视角分析和优化效果、延迟、成本与可扩展性，有真实复杂线上系统经验者优先。 加分项
- 参与过Mem0/MemOS/Letta等Memory项目或主流开源Agent框架，对社区主流Memory方案有深入理解，有开源影响力或代表性技术成果；
- 研究过Claude Code、Codex、ChatGPT等产品的记忆机制，或有编程Agent、桌面端Agent、本地优先应用的研发经验；
- 有大模型评测平台、实验平台、链路追踪系统，或用户画像、特征平台的建设经验；
- 有大规模搜广推系统的研发经验，或做过主动触达、消息推送、智能助理主动服务等"时机+内容"决策类系统；有金融等强合规场景的推荐经验更佳。
