岗位职责
- 深入业务一线，通过数据挖掘精准识别高价值痛点，将模糊的业务需求转化为明确的 AI 解决目标与技术指标；
- 设计 AI 原生系统架构，重点规划 Agent 的核心模块（记忆管理、推理策略、工具编排），确保架构兼具灵活性、可扩展性与工程落地性；
- 搭建 AI 与业务系统的交互环境，负责 API 接入、RAG 知识库构建及记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供精准的知识支撑；
- 实现 Agent 关键能力（意图识别、任务拆解、反思纠错闭环）；封装标准化 SDK/API，构建全链路观测体系，实现多维归因分析与效果追踪；
- 建立自动化评测与回测机制，通过 Case 分析收敛最优路径；沉淀方法论与可复用组件，推动 AI 能力规模化复制；
- 优化高并发场景下的系统性能，实施异步处理与降级策略；通过低侵入性观测手段，保障系统在长期运行中的稳定性与可靠性。
职位要求
- 计算机、软件工程、人工智能等相关专业优先；
- AI编程工具重度玩家：Cursor、Claude code等AI编程工具重度玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码；
- 大模型能力理解与掌握：理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现；熟悉主流大模型的应用范式(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路；
- 扎实的代码和工程能力：具备扎实的计算机基础知识，能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，能够根据场景灵活选型并快速上手；
- 能力特质：具备良好的学习能力，开放性与动手能力，好奇心与想象力，高能动性。 加分项：有AI应用或Agent实际落地经验；在Github上有高质量AI项目、技术博客或社区影响力；对AI Infra有基本理解，有实际业务场景模型训练(SFT、RL)等经验的优先。
