岗位职责
- 负责基于大模型的多智能体协作系统的架构设计、开发与优化，涉及任务规划、对话管理、意图识别等多个模块。支持复杂任务拆解（如用户意图解析->商品检索->个性化排序），设计分层式Agent架构（感知层->推理层->执行层->反馈层），实现端到端自动化推荐流程。
- 结合业务需求，通过Prompt Engineering、检索增强生成（RAG）等技术提升Agent生成效果和稳定性。解决冷启动、长尾效应等业务难题，优化意图识别、实时召回、动态排序等核心环节，提升推荐转化率与用户体验。
- 设计高并发分布式架构，优化检索-生成链路性能，解决高并发环境下的延迟问题，保障服务高性能和SLA。设计多Agent协作流程，确保跨Agent任务状态同步与资源竞争处理
- 探索Agent在电商推荐、搜索、广告投放等场景的落地，推进技术、产品、数据的闭环协同。设计可扩展的API服务，集成业务模块（如商品信息查询、优惠计算）到Agent决策链路，构建可复用的推荐组件库。
- 构建多级缓存体系，预加载高频模型与热点数据，降低大模型推理负载，提升推荐实时性。设计缓存失效策略，结合用户画像动态更新机制，保障缓存数据时效性。
- 设计BadCase干预机制，通过敏感词过滤、重复内容惩罚、人工干预通道拦截错误输出，并反馈至模型微调闭环。
职位要求
- 熟练掌握至少一门编程语言（如Python、Java），具备良好的编程实践能力。代码结构清晰，逻辑严谨，便于维护与扩展。
- 理解大语言模型的调用机制，具备良好的prompt编写能力，了解主流AI Agent框架的设计理念。
- 具备良好的系统设计能力，能承担任务规划、工具调用、记忆管理等模块的设计和开发。
- 具有高并发分布式系统的设计能力，熟悉微服务、缓存、消息队列的常用组件。 加分项 无
