雇员点评标签
职位描述
产业互联网平台
【岗位职责】
1. 技术战略与架构规划
技术路线图制定：负责公司AI应用（Agent）体系的中长期技术规划，主导从POC验证到规模化落地的技术演进路线。
架构设计与选型：设计高可用、可扩展的Multi-Agent协作架构。主导DSL定义与执行引擎的底层架构设计，确保任务编排的灵活性与执行效率。
前沿技术落地：深入调研并引入MCP (Model Context Protocol)、LangGraph、AutoGen等前沿框架，构建标准化的Client-Server通信机制，打破模型与数据孤岛。
2. 核心系统研发与攻坚
高级Agent系统构建：带领团队基于Dify/LangChain/CrewAI等框架，开发复杂场景下的智能体集群（Swarm），解决长链路任务规划、自我反思与纠错难题。
记忆与知识体系优化：设计企业级RAG + Long-term Memory解决方案。整合Milvus/Weaviate等向量库与MemGPT/Zep等记忆框架，解决Agent在长对话中的遗忘与幻觉问题，构建动态更新的企业知识库。
【任职要求】
1. 教育背景与经验
计算机科学、人工智能、软件工程等相关专业，本科及以上学历（硕士优先）。
5年以上软件开发经验，其中2年以上大模型（LLM）或AI Agent相关实战经验，有0到1搭建企业级Agent平台或复杂多智能体系统的成功案例。
具备技术团队管理经验（带过3人以上团队），有敏捷开发管理经验。
2. 核心技术栈（硬性要求）
LLM深度理解：精通Transformer架构，熟悉主流模型（Qwen, Llama 3, Doubao, Claude等）的特性与适用场景；具备模型微调（SFT/RLHF）的数据准备与训练调优经验。
Agent框架专家：精通LangGraph, AutoGen, CrewAI, LlamaIndex，能够根据场景选择或魔改框架；深入理解Dify/FastGPT源码，具备二次开发能力。
RAG与记忆架构：精通FlowRAG及各类向量数据库（Milvus, Pinecone, Weaviate）；熟练掌握MemGPT, LangMem, Zep等长记忆管理方案，有处理海量上下文数据的经验。
协议与架构：深刻理解MCP (Multi-Agent Communication Protocol) 标准，具备大规模Client-Server分布式架构设计与调优经验。
DSL与编排：有DSL（领域专用语言）设计及执行引擎开发经验，熟悉工作流编排引擎（如Temporal, Airflow）者优先。
3. 工程与编程能力
精通Python，熟悉Go/Node.js中的一种；具备高并发、低延迟系统的开发能力。
熟悉容器化部署（Docker/K8s），了解GPU资源调度与推理加速技术（vLLM, TensorRT-LLM）。
1. 技术战略与架构规划
技术路线图制定：负责公司AI应用（Agent）体系的中长期技术规划，主导从POC验证到规模化落地的技术演进路线。
架构设计与选型：设计高可用、可扩展的Multi-Agent协作架构。主导DSL定义与执行引擎的底层架构设计，确保任务编排的灵活性与执行效率。
前沿技术落地：深入调研并引入MCP (Model Context Protocol)、LangGraph、AutoGen等前沿框架，构建标准化的Client-Server通信机制，打破模型与数据孤岛。
2. 核心系统研发与攻坚
高级Agent系统构建：带领团队基于Dify/LangChain/CrewAI等框架，开发复杂场景下的智能体集群（Swarm），解决长链路任务规划、自我反思与纠错难题。
记忆与知识体系优化：设计企业级RAG + Long-term Memory解决方案。整合Milvus/Weaviate等向量库与MemGPT/Zep等记忆框架，解决Agent在长对话中的遗忘与幻觉问题，构建动态更新的企业知识库。
【任职要求】
1. 教育背景与经验
计算机科学、人工智能、软件工程等相关专业，本科及以上学历（硕士优先）。
5年以上软件开发经验，其中2年以上大模型（LLM）或AI Agent相关实战经验，有0到1搭建企业级Agent平台或复杂多智能体系统的成功案例。
具备技术团队管理经验（带过3人以上团队），有敏捷开发管理经验。
2. 核心技术栈（硬性要求）
LLM深度理解：精通Transformer架构，熟悉主流模型（Qwen, Llama 3, Doubao, Claude等）的特性与适用场景；具备模型微调（SFT/RLHF）的数据准备与训练调优经验。
Agent框架专家：精通LangGraph, AutoGen, CrewAI, LlamaIndex，能够根据场景选择或魔改框架；深入理解Dify/FastGPT源码，具备二次开发能力。
RAG与记忆架构：精通FlowRAG及各类向量数据库（Milvus, Pinecone, Weaviate）；熟练掌握MemGPT, LangMem, Zep等长记忆管理方案，有处理海量上下文数据的经验。
协议与架构：深刻理解MCP (Multi-Agent Communication Protocol) 标准，具备大规模Client-Server分布式架构设计与调优经验。
DSL与编排：有DSL（领域专用语言）设计及执行引擎开发经验，熟悉工作流编排引擎（如Temporal, Airflow）者优先。
3. 工程与编程能力
精通Python，熟悉Go/Node.js中的一种；具备高并发、低延迟系统的开发能力。
熟悉容器化部署（Docker/K8s），了解GPU资源调度与推理加速技术（vLLM, TensorRT-LLM）。
