岗位职责
聚焦核心业务场景，负责 AI Agent 技术从方案设计到规模化落地的端到端交付。你将承担一个或多个业务方向的技术负责人角色：把模糊的业务问题转化为可验证的 AI 目标，主导 Agent 系统的架构设计与关键模块实现，并对效果、性能、成本与稳定性负责。同时通过方法论沉淀、组件复用与跨团队协作，推动 AI 能力从单点验证走向规模化演进，实现技术价值的真实转化。 具体职责包括以下方向的一项或多项：
- 业务问题定义与归因 深入业务场景，通过数据挖掘与特征分析完成现象归因；判断哪些问题值得用 AI 解、哪些用确定性逻辑更优，将模糊痛点转化为目标明确、指标可衡量的 AI 课题。 与业务方共同定义成功标准（效果指标、延迟预算、成本上限），对投入产出负责。
- AI 原生架构设计 主导 Agent 系统的架构设计与技术选型，负责记忆管理、推理与规划策略、工具编排等核心模块的方案决策，兼顾灵活性、可扩展性与工程可落地性。 在效果、延迟、成本、稳定性之间做出可解释的权衡，形成可演进的技术路线。
- 知识与执行环境建设 设计并落地 Agent 与既有业务系统的交互层：API / 工具接入、RAG 知识库构建、记忆与上下文管理方案。 建立检索质量与上下文注入策略的量化评估手段，持续优化知识时效性、准确率与 token 成本。
- 核心能力工程实现 负责意图识别、任务拆解、工具调用、反思纠错等关键闭环的生产级实现；封装标准化 SDK / API，降低业务方接入成本。 建设 Agent 观测体系，实现全链路追踪、失败归因与分层效果分析，让 Agent 行为可解释、可追溯、可定位。
- 评测体系与效果迭代 从 0 到 1 建立评测集、自动化评测与离线复测机制，覆盖离线基准与线上真实流量，用数据而非直觉驱动迭代。 通过 Case 分析定位瓶颈，收敛模型、Prompt、上下文、工具链路各环节的优化路径，沉淀可复用的方法论与组件。
- 性能与稳定性 优化大流量并发场景下的吞吐与延迟，通过异步处理、缓存与降级策略保障 SLA。 以低侵入性观测手段建设容量水位与告警治理，控制模型调用成本，保障系统长期稳定运行。
- 技术影响力 在团队内推动 AI 研发范式落地：AI 编程工具链、Prompt / Context 工程规范、评测标准。 指导初级同学与实习生，输出技术文档与分享，推动跨团队对齐并达成共识。
职位要求
- 基础条件 计算机、软件工程、人工智能等相关专业本科及以上学历。 3-5 年后端 / AI 应用 / 算法工程相关经验，其中不少于 1 年深度参与大模型或 Agent 系统的生产落地。
- 专业能力 大模型应用与 Agent 工程能力（核心） 有生产级 LLM 应用或 Agent 系统的完整落地经验：从需求定义、架构设计、开发上线到效果迭代，能独立跑通闭环并对结果负责。 准确把握主流大模型的能力与局限，能清晰拆解任务，明确哪些交给模型、哪些用确定性逻辑兜底。 熟练掌握 Context Engineering、Prompt Engineering、Function Calling、多轮规划与记忆管理等应用范式；熟悉一种以上主流 Agent 框架（LangChain / LangGraph / AutoGen 等）的设计思想，能批判性使用而非照搬。 对幻觉、Prompt 注入、越权调用、输出不稳定、成本失控等风险有工程化应对经验（校验、护栏、灰度、快速下线、审计），而不停留在认知层面。 扎实的代码与系统能力 计算机基础扎实（数据结构与算法、网络、操作系统、并发模型），在 Java / Python / Go / JS 中其中一门有深度实践，能读懂并改造大型工程代码库。 具备大流量系统的设计与治理经验，理解缓存、异步、消息、限流降级等手段，能独立完成模块级到系统级的架构设计与选型。 重视工程质量：可测试性、可观测性、灰度发布、代码评审；能写出可长期演进的生产级代码，而非只能跑通的 Demo。
- AI 编程工具的深度使用与推广 是 Cursor、Claude Code 等 AI 编程工具的深度使用者，具备完整的项目级开发经验，理解如何让 AI 稳定写出生产级代码。 有 Prompt / 规则 / 上下文工程的调优方法论（项目规范注入、上下文裁剪、任务拆解、自动验证链路），并有可量化的效能提升结果。 能在团队内定义 AI 研发流程与规范，推动他人使用并沉淀优质实践。
- 评测与数据驱动 有建立评测集与自动化评测机制的经验，能设计合理的指标体系（效果、成本、延迟、稳定性），用 A/B 与离线复测数据支撑技术决策。
- 能力特质 技术判断力：面对不确定问题能快速形成假设并设计验证路径，能在多个可行方案中做出有依据的选择并承担后果。 学习与转化：能持续啃透前沿 Paper 与开源进展，判断其在自身业务场景的适用性与落地成本，把新方法转化为工程代码。 动手与交付：拒绝纸上谈兵，有自己独立完成并持续迭代的项目（开源项目、个人产品或线上系统），对交付质量有 Ownership，具备极客精神。 抽象与沉淀：能从重复问题中提炼通用能力，沉淀为组件、工具或方法论，而不是每次从零做一遍。 审美追求：技术与产品皆有审美，倾向用简洁优雅、打动人心的方案解决问题，能识别并拒绝过度设计。 强自驱与协作：主动探索边界而非等待分配；能把技术价值讲清楚给非技术同学，推动方案跨团队真正落地。
- 加分项 规模化落地经验：主导过 RAG 系统、多智能体编排、结合 MCP / Skill 的 Agent 生态、Agent 平台等从 0 到 1 或从 1 到 N 的项目，有明确的业务收益数据。 开源与技术影响力：GitHub 上有优质 AI 项目（Owner 或核心 Contributor）、技术博客、公开分享或社区影响力。 AI Infra 理解：了解 vLLM、SGLang、Ollama 等推理框架原理，有延迟优化、KV Cache、批处理调度、流式输出或私有化部署的实战经验。 模型训练经验：在 CV / NLP 方向有扎实理论基础，有真实业务场景的 SFT、DPO / RLHF、蒸馏与评测实战经验。 业务纵深：在电商、本地生活、营销、客服、研发效能等某一领域有较深积累，能把业务 Know-How 转化为 Agent 能力设计。
