岗位职责
- 构建面向电商场景的智能Agent系统： 负责设计、开发和迭代面向商品理解与匹配的智能Agent系统，基于大语言模型（LLM）构建具备自主规划、工具调用、多步推理和记忆管理能力的Agent架构，实现商品多模态信息（文本、图片、价格等）的深度理解与智能决策。
- Agent核心算法研发与优化： 负责Agent核心算法的研发，包括但不限于：Agent规划与决策策略、工具学习与技能进化（Tool Learning、Skill Evolution）、Agent强化学习（Agent RL、RLHF/RLAIF）、多Agent协作与博弈框架、基于检索增强的Agent知识管理（RAG + Agent Memory）等方向，持续提升Agent在复杂电商任务中的准确率与鲁棒性。
- 前沿技术探索与业务落地： 跟踪Agent领域的最新研究进展，结合商品同款匹配、价格分析、属性提取等核心业务场景，进行技术选型与方案落地。探索Agent在电商链路中的更多应用可能，如智能比价助手等。
- Agent系统工程化与规模化： 负责Agent系统的工程化落地，设计高性能、高可用的Agent服务架构，解决大规模并发调用下的延迟、成本和稳定性问题。构建Agent效果评估体系，通过AB实验持续验证和驱动业务指标增长。
职位要求
- 计算机、人工智能、模式识别等相关专业硕士及以上学历，2年及以上相关工作经验。 具备以下一个或多个领域的深厚积累： a. Agent系统： 在LLM Agent方向有深入实践，熟悉主流Agent框架和范式（如ReAct、Function Calling、Multi-Agent等），有Agent规划、工具调用、记忆管理、技能进化等方向的研发经验。在Agent RL、Agent评估、Agent安全等方向有研究或落地经验者优先。 b. 大语言模型（LLM）： 熟悉主流大语言模型的原理与训练，在SFT、RLHF、模型蒸馏（Model Distillation）、提示工程（Prompt Engineering）、In-Context Learning等方向有实践经验，能够针对Agent场景进行模型适配和优化。 c. 多模态理解： 熟悉主流多模态大模型（VLM）的原理和应用，有图文匹配、视觉内容理解、VQA等项目经验，能够将多模态能力有效集成到Agent系统中。
- 具备扎实的编程与工程能力，精通Python/C++/SQL等编程语言，熟练掌握PyTorch等深度学习框架，有良好的代码风格和系统设计能力。
- 具备优秀的分析与解决问题能力，能够将复杂的业务问题拆解为Agent可执行的子任务，设计合理的Agent工作流和工具链，给出创新性解决方案。
- 拥有强烈的技术Owner意识和自驱力，能够独立负责Agent技术方向的规划与落地，对构建真正"能用"的智能系统有热情和追求。
