岗位职责
- 负责面向搜索、问答、推荐及复杂任务场景的 AI Agent 应用研发，参与从需求分析、方案设计、工程实现到上线迭代的完整流程。
- 设计和实现 Agent 核心执行链路，包括任务规划、ReAct 推理循环、状态流转、模型与工具交替执行、异常处理及结果生成等模块。
- 建设可扩展的工具调用体系，完成 Tool 的统一注册、参数校验、并行调用、超时重试、异常降级及调用结果追踪。
- 负责多轮对话与模型交互的上下文工程，包括消息构造、历史筛选、Token 预算、上下文裁剪与压缩、状态隔离、短期与长期记忆，以及 RAG 检索结果的组织与回填。
- 推进大模型应用工程化，覆盖 Prompt 模板管理、模型与流程路由、流式输出、模型降级、缓存策略、灰度实验和效果分析。
- 建立 Agent 质量保障机制，建设离线评测集、过程评测、端到端评测、Bad Case 归因和线上指标监控，持续提升应用效果与可靠性。
- 持续优化 AI 应用的性能与稳定性，完善限流、熔断、重试、降级、链路追踪和异常监控机制，保障高并发场景下的服务质量。
- 与产品、算法及横向研发同事协作，将模型能力、业务工具和产品交互整合为可持续迭代的 AI 应用。
职位要求
- 本科及以上学历，计算机、软件工程、人工智能等相关专业，具备约3年后端或 AI 应用研发经验。
- 熟练掌握 Java、Python、Go 中至少一种编程语言，具备良好的数据结构、网络、并发编程及后端工程基础。
- 熟悉 LLM 应用开发范式，理解 Prompt Engineering、RAG、Embedding、Tool/Function Calling、ReAct 等核心概念。
- 具备 AI Agent 项目实践，能够独立完成任务编排、工具调用、上下文管理、多轮对话等一个或多个核心模块的设计与开发。
- 熟悉 LangGraph、LangChain、Spring AI、Dify、Coze 等框架或平台中的至少一种，并理解其核心设计思路，而非仅停留在 API 调用层面。
- 具备分布式系统设计基础，理解超时、重试、幂等、熔断、限流、降级及可观测性等生产工程问题。
- 具备良好的问题抽象、沟通协作和工程落地能力，能够从业务目标出发完成方案拆解、研发交付、效果评测和持续迭代。
- 技术驱动，持续关注大模型与 AI Agent 领域的发展，能够结合业务场景形成自己的技术判断。 加分项： 有 Planning、Multi-Agent、Agent as Tool、工作流引擎或任务调度系统的实践经验。 有搜索、推荐、知识问答、交易决策或复杂任务型 AI 应用经验。 有 Agent Eval、LLM-as-a-Judge、执行轨迹分析、Bad Case 自动归因或评测平台建设经验。 具备 AI 应用全链路流量压测经验，能够覆盖应用接入、Agent 编排、模型推理、上下文处理、RAG 检索及 Tool 调用链路，并围绕并发量、吞吐量、首 Token 延迟、TP
- 成功率和工具耗时完成瓶颈分析与性能优化。 熟悉向量数据库、语义缓存、模型微调、数据合成或训练数据闭环。 了解 MCP、A2A 等 Agent 工具与通信协议，并有实际接入经验
