岗位职责
- AI Skill全生命周期研发 • 需求分析与抽象：深入对接业务侧高频场景（包括竞品情报收集、多平台商品Listing自动生成、销售报表自动化处理、竞品数据抓取等），提炼共性逻辑，输出标准化的Skill功能定义与技术方案。 • 标准化封装：利用LangChain、Semantic Kernel或自研RAG框架，将业务逻辑、API调用与LLM推理链路封装为高内聚、低耦合的可复用Skill模块，确保其支持多租户隔离与版本热更新。 • 工具链集成：为Skill接入外部工具（网页解析、Excel读写、向量检索、HTTP Client），丰富Skill的感知与执行能力。
- Prompt工程与质量调优（核心落地环节） • 精调Prompt策略：针对每个Skill的业务特性，设计差异化的System Prompt、Few-shot示例及思维链（CoT）模板，解决输出格式不稳定、事实性幻觉及上下文窗口溢出等工程难题。 • 效果评估与迭代：建立Skill输出的自动化测评指标（如BLEU、格式校验通过率、关键字段缺失率），通过Bad Case复盘驱动Prompt版本迭代，将单任务执行成功率稳定在业务阈值以上。 • 成本与性能优化：通过控制输入Token压缩率、动态选择模型参数，在保证输出质量的前提下降低推理成本与响应延迟。
- Agent工作流协作与调度适配 • 调度逻辑协同：参与多Agent调度系统的架构评审，定义Skill的输入/输出契约（Schema），确保所开发的Skill能被主控Agent正确识别、规划与异步调用。 • 复杂任务拆解支持：配合算法团队优化Agent对于多步任务的拆解策略，使组合多个Skill能协同完成“竞品监控日报生成”等复合型业务目标。 • 异常处理机制：为Skill设计完善的超时重试、降级回复与人工介入兜底逻辑，保障工作流在异常情况下的鲁棒性。
职位要求
- 本科及以上学历,计算机相关专业;
- 2年以上后端/全栈开发经验，有实际的LLM应用开发经历(不限时长，但需要有可展示的项目或成果)。 Python为主力语言(Node.js/Java也可)，熟悉RESTful API设计和至少一种关系型数据库。有实际的Prompt Engineering经验，能针对具体业务场景调出稳定可用的输出
- 了解Agent的基本设计模式(如ReAct、function calling流程)，熟悉LangChain/Llamalndex或类似框架。
- 能快速理解业务逻辑这个岗位的难点不在技术深度，在于把模糊的业务需求转化为结构化的 Agent执行流程。
