岗位职责
- 负责Agent运行时框架的设计与开发，实现任务规划、推理决策、工具调用、多轮对话管理等基础能力；
- 设计Agent的标准化能力层，包括Skill的协议定义、生命周期管理、权限隔离与组合编排；通过标准协议实现Agent与外部系统的深度集成，持续拓展能力边界；
- 构建「执行→反馈→分析→优化」的自进化闭环，通过轨迹分析自动识别薄弱环节，驱动Skill迭代、策略调优与能力自适应更新；
- 构建多维评测框架，综合确定性校验、模型裁判与人工抽检的混合评估策略；建设回归测试与实验能力，为迭代效果提供量化保障；
- 设计系统级上下文管理架构，解决长任务中的信息过载与注意力分散问题；构建分层记忆与动态裁剪机制，在有限窗口内最大化推理质量；负责RAG系统的架构设计与优化，包括多源知识治理、检索策略优化、知识图谱与质量评估；探索知识从被动检索到主动能力固化的升级路径；设计多智能体协作架构，实现任务拆解、并行调度与结果聚合，定义Agent间的通信协议与冲突解决机制；以AI原生思路重构业务工作流，将人工流程升级为Agent驱动的自动化链路，持续探索新场景中的产品形态。
职位要求
- 本科及以上学历，计算机、软件工程、人工智能等相关专业，硕士学位优先；
- 熟练掌握Python，同时熟悉Go/Nodejs/TypeScript中至少一门，具备良好的系统设计能力；
- 熟悉主流大模型的能力边界、API调用与Prompt工程实践；
- 理解Agent Loop、ReAct、Plan-and-Execute等主流架构模式；
- 优秀的逻辑思维，善于将复杂场景拆解为可落地方案；
- 良好的协作与沟通能力。 优先条件（任一即加分）：
- 有Agent评测体系搭建经验，熟悉混合评估方法，或有LLM微调、模型评测经验；
- 有Agent自进化、数据飞轮系统设计经验，或上下文工程、分层记忆系统实践经验；
- 有Multi-Agent编排框架实际项目经验；
- 有RAG系统建设经验，熟悉向量检索与知识图谱，或熟悉MCP、Function Calling等工具集成协议；
- 有研发效能工具或AI Coding产品开发经验；
- 在Agent/LLM领域有开源贡献或论文发表。
