岗位职责
- 负责面向消费者的商品类 Agent 核心链路的端到端研发，主导 意图理解、任务规划（Planning）、工具调用（Tool Use）、技能（Skill）设计、多轮对话状态管理、长短期记忆 等关键模块的设计与落地。
- 搭建 Agent 效果评测与迭代闭环：离线评测集建设、在线 A/B 实验、bad case 归因体系、自动化 Regression，驱动技术能力可度量地转化为业务价值。
- 攻坚 Agent 生产链路的 稳定性、延迟与成本 问题：路由与降级、缓存与并发、Prompt 与上下文压缩、前置分类等算法与工程结合的系统性优化。
- 跟踪 LLM / Agent 领域前沿进展（新规划范式、Agent 协议、长上下文与记忆机制、Reasoning 模型等），推动有价值的技术在业务链路中真实落地。
职位要求
- 计算机、人工智能、数学等相关专业本科及以上学历，2 年及以上研发经验，其中至少 1–2 年 LLM / Agent 方向的落地经验。
- 对 Agent 技术栈有深度理解与实战积累：熟悉主流 Agent 范式（ReAct、Plan-and-Execute、Reflexion、Multi-Agent 协作等）及其适用场景与取舍，熟练掌握 Function Calling / Tool Use、结构化输出、多轮上下文与记忆管理，具备独立设计并交付端到端 Agent 应用的完整经验。
- RAG 实战经验扎实：熟悉向量检索、稀疏检索、Query 改写、Rerank、上下文构造与压缩，能针对具体业务从 0 搭建一套可用的检索链路，并有实际的效果调优经验。
- 具备明确的指标驱动思维：能自主定义评测指标、构建评测集，拥有 bad case 归因 → 假设 → 实验 → 上线 的完整闭环经验，熟悉 Prompt 工程、Few-shot 设计、Self-Consistency、Reflection 等常见效果提升手段及其适用边界。
- 熟悉 Java / Python，具备扎实的工程功底；能独立完成从原型到生产链路的落地，对服务稳定性、P99 延迟、Token 成本有清晰的量化 sense。
- 具备良好的沟通与协作能力，能在算法、工程、产品、业务多方协同的环境中，把事情推动到有结果。
