岗位职责
- 负责 Agent 构建能力建设,涵盖 Agent 以及相关的工具、Skill、知识库等组件的开发与治理,沉淀 AI 场景的解决方案模板,降低业务从 0 到 1 构建 Agent 的成本。
- 负责 Agent 效果优化基础设施的设计与实现,包括评测构建、效果评估、问题归因与迭代管理,让 Agent 效果可度量、可比较、可复现,确保每次迭代有据可依。
- 负责接入业务的真实反馈与仿真环境,打通线上数据与优化链路的闭环,让 Agent 能基于真实场景持续进化。
- 建设评测集自动生成、问题自动归因等智能优化能力,探索 AI 自进化方法,降低 AI 业务效果迭代的门槛,支撑业务取得更好的效果。
- 跟踪 AI 技术发展趋势,评估并引入前沿技术,保持平台技术的先进性。
职位要求
- 计算机、软件工程、人工智能或相关专业本科及以上学历;3 年以上后端或全栈研发经验,有 AI 工程化项目经历。
- 计算机基础扎实,至少精通 Java / Go / Python 之一;熟悉分布式系统、数据库、缓存、消息队列、容器化等通用技术体系。具备大规模分布式系统的设计与性能优化能力,能结合业务负载与增长预期做容量规划与架构取舍,定位并解决生产环境中的性能瓶颈,保障核心链路的稳定性与可扩展性。
- 对大模型与 Agent 有深入理解或实践:在评测、Agent Runtime、上下文管理、Multi-Agent 协作、Agent 构建平台等方向中,至少有一个方向的实践经验,能把业务的效果问题转化为可落地的技术方案。
- 具备数据与效果的工程判断力:能设计指标与实验,看得懂评测结果并定位问题根因,能据此推动改进,并结合真实业务反馈验证改进效果。
- 具备跨团队推动能力:能与产品、算法、业务团队对齐目标,把需求收敛成方案并推动落地;学习能力强,对前沿技术保持敏感。 加分项:
- 有 LLM Agent 效果优化的落地经验。
- 有 Agent 构建平台或开发者产品的建设经验(LLM Agent构建、Workflow 编排引擎、工具与 Skill 生态、低代码 / 可视化搭建等)。
- 有开源 AI 项目贡献,或深入研究过业内优秀的 Agent 框架、Agent 平台、记忆系统或知识库,理解其核心设计、关键实现与技术取舍。