岗位职责
- 负责Agent系统整体架构，完成任务规划、执行循环、工具调用、记忆状态、失败重试与人工接管等核心模块的分层与接口定义，定义单Agent与多Agent协作的选型标准，明确单体、编排子Agent、确定性工作流的适用边界；
- 设计上下文工程方案与工具抽象层，覆盖上下文预算、检索压缩、长任务记忆、跨轮次状态一致性，以及工具/MCP的注册发现、描述规范、参数校验、权限与幂等控制；
- 负责执行环境安全设计：沙箱隔离、权限最小化、Prompt注入与工具滥用的防护审计；
- 建设评测体系与线上可观测能力，定义任务/步骤/工具级指标，打通负面案例回流闭环，基于负面案例驱动迭代，定位问题归属并推动方案落地；
- 与算法团队协作完成数据构造、SFT/偏好训练、模型选型与蒸馏，平衡效果与成本；负责端到端时延与成本优化（并行调用、流式输出、缓存预取、模型分级路由），保障高可用（限流熔断、死锁检测、断点续跑）；
- 作为技术决策人输出架构方案，沉淀框架与最佳实践并推广；协同产品业务团队落地Agent能力；参与招聘与人才培养。
职位要求
- 计算机相关专业本科学历及以上，5年以上研发经验，其中至少1年大模型应用或Agent落地经验；
- 精通Python/Go/Java/TypeScript至少一门，工程基本功扎实：并发异步、分布式、服务治理、性能排查；
- 深入理解LLM应用机制：Function Calling、ReAct/Plan-and-Execute、结构化输出、RAG、上下文与记忆管理，且有实践产出；
- 有完整Agent系统落地经验，能讲清架构权衡、上线指标与迭代过程，结果可自证；
- 有评测与可观测体系建设经验，能定义指标口径而非凭感受判断；技术表达清晰，跨团队推动力强，能独立负责从需求到上线复盘全链路。
