AI Agent开发工程师

SIEGIJP00011971-CHN_Development Engineer-LLM Agent开发工程师（高级）
新开LLM Agent开发工程师（高级）岗位，详细JD
岗位概述
我们正在寻找一位具备深度技术能力和业务洞察力的LLM Agent开发工程师，不仅能够开发智能体，更能够将复杂业务流程解构为可自动化的Agent工作流。您将站在AI工程的最前沿，运用Context Engineering、Skill定制开发、Harness Engineering等先进方法，为研发团队打造生产级的AI解决方案。
________________________________________
工作职责
业务流程智能化重构
• 业务流程拆解(Business Process Decomposition)：深入分析研发工作流程，识别关键环节，将复杂业务流程拆解为可由Agent执行的原子化任务单元
• 设计Multi-Agent协作架构，实现跨流程、跨系统的智能化工作流编排
• 建立流程优化的度量体系，持续评估和改进Agent的业务价值
高级Agent工程开发
• Skill定制开发(Custom Skill Development)：
o 为Agent设计和开发领域特定的技能模块（如代码分析Skill、需求提取Skill、测试用例生成Skill等）
o 构建可复用的Skill库，支持快速组装和配置
o 实现Skill的版本管理、A/B测试和性能优化
• Context Engineering（上下文工程）：
o 设计高效的上下文管理策略，优化Token使用和响应质量
o 实现动态上下文注入、上下文压缩和智能检索机制
o 构建领域知识库和语义索引系统，确保Agent获取精准的业务上下文
o 处理长上下文场景，实现上下文窗口的智能分片和摘要
• Harness Engineering（编排工程）：
o 设计和实现Agent执行的Harness框架，管理Agent的生命周期
o 构建Agent的监控、日志、调试和可观测性体系
o 实现Agent的错误处理、重试机制和降级策略
o 开发Agent的测试框架，包括单元测试、集成测试和端到端测试
技术架构与创新
• 设计可扩展的Agent基础设施，支持从原型到生产环境的平滑过渡
• 实现Agent的安全机制，包括输入验证、输出过滤、权限控制等
• 探索前沿技术如：
o Agentic Workflows：复杂任务的自主规划和执行
o Memory Systems：短期记忆、长期记忆和情景记忆的设计
o Tool Orchestration：多工具协同和智能选择
o Self-Reflection & Self-Improvement：Agent的自我评估和迭代优化
协作与赋能
• 与产品、研发、测试团队深度协作，理解痛点，提供端到端的AI解决方案
• 建立Agent开发的工程标准、最佳实践和设计模式文档
• 培养团队的AI工程能力，推动AI-Native开发文化
________________________________________
任职要求
核心能力
1. 业务流程工程能力
• 具备将复杂业务流程拆解为可执行步骤的能力
• 能够识别流程中的决策点、并行点和依赖关系，设计合理的Agent协作模式
• 有实际的业务流程自动化或工作流引擎开发经验优先
2. Skill定制开发能力
• 深入理解Function Calling、Tool Use的底层机制
• 能够设计清晰的Skill接口规范（输入/输出Schema、错误处理等）
• 熟悉插件化架构设计，实现Skill的热插拔和动态加载
• 有开发过至少3个以上生产级Agent Skill的经验
3. Context Engineering（上下文工程）
• 精通Prompt Engineering的高级技巧（Few-shot、Chain-of-Thought、Tree-of-Thought等）
• 深入理解RAG架构，包括：
o 文档分块策略（Chunking Strategies）
o 嵌入模型选择和优化
o 混合检索（Hybrid Search）和重排序（Reranking）
o 上下文相关性评分和过滤
• 能够设计上下文缓存策略，优化成本和性能
• 了解长上下文模型的特性和使用场景
4. Harness Engineering（编排工程）
• 熟悉Agent执行框架的设计模式
• 有构建Agent监控和可观测性系统的经验（日志、Trace、Metrics）
• 掌握Agent的状态管理、检查点（Checkpoint）和恢复机制
• 了解Agent的安全防护措施（Prompt Injection防御、输出验证等）
技术栈要求
必备技能
• 编程：精通Python
• LLM框架：深度使用过LangChain/LangGraph、LlamaIndex、Semantic Kernel、AutoGen等至少两种框架
• 向量数据库：实际使用过Pinecone、Weaviate、Qdrant、Milvus、Chroma等
• Agent架构：理解ReAct、Plan-and-Execute、Reflection、Multi-Agent Debate等模式
• API设计：熟悉RESTful API、GraphQL、gRPC等接口设计
• 数据处理：熟悉文档解析（PDF、Word、代码等）、数据清洗和预处理
优先技能
• 了解知识图谱构建和应用
• 有使用LangSmith、LangFuse、Weights & Biases等LLMOps工具的经验
• 熟悉容器化(Docker)和编排(Kubernetes)技术
• 了解工业领域的PLM、MES、SCADA等系统
工程能力
• 具备系统架构设计能力，能够设计可扩展、高可用的Agent系统
• 熟悉软件工程最佳实践（代码审查、单元测试、CI/CD等）
• 有性能优化和成本控制的实践经验
• 能够编写清晰的技术文档和API文档
软技能
• 业务洞察力：能够从业务视角思考技术方案，而非仅从技术出发
• 系统性思维：善于将复杂问题分解，建立结构化的解决方案
• 快速学习能力：AI领域日新月异，需要持续跟踪最新进展
• 创新精神：对使用AI Agent完成日常工作充满热情，勇于尝试新方法
• 协作沟通：能够与跨职能团队有效协作，清晰表达技术方案
教育与经验
• 计算机科学、软件工程、人工智能或相关专业本科及以上学历
• 3年以上软件开发经验，1年以上LLM/Agent开发经验
• 或具有同等的实践经验和可证明的项目成果
________________________________________
加分项
有开源Agent项目贡献或维护经验
在技术社区发表过LLM/Agent相关文章或演讲
参与过Hackathon并获奖
有将Agent系统部署到生产环境并稳定运行的经验
了解工业自动化、智能建筑或IoT领域