AI Agent研发工程师

岗位要求： 1.专业背景：计算机科学相关专业本科及以上学历，3 年以上后端或 AI 研发经验。 2. 核心 AI 技术栈： 精通 Python，熟练使用 LangChain、LlamaIndex 或 LangGraph。 深刻理解不同 Embedding 模型（OpenAI, Cohere, BGE 等）的应用场景。 3. 数据库深度能力： MongoDB：精通聚合管道（Aggregation Pipeline），有实际的 Atlas Vector Search 开发经验。 4. Pinecone：熟悉 Pinecone 的 Serverless 与 Pod 架构，具备大规模向量索引优化、Namespace 管理及 Metadata 过滤经验。 5.工程化能力： 理解向量相似度算法（Cosine, Euclidean, Dot Product）及其适用场景。 熟悉 Docker/K8s，具备 FastAPI 或 Go 等高性能后端服务的开发部署经验。 6. 加分项： 有生产环境下的大规模 RAG 落地经验。 熟悉分布式缓存（Redis）在 Agent 对话上下文管理中的应用。 关注 AI 领域前沿进展，如 GraphRAG 或 Agentic 工作流优化。 工作职责： 1.智能体架构设计：基于 LangGraph 或同类框架设计具备长短期记忆、工具调用及多步推理能力的 Agent 系统。 2. 多模态检索策略： 利用 MongoDB Atlas Vector Search 实现业务元数据与向量数据的混合检索（Hybrid Search）。 针对高并发、大规模知识库场景，设计并维护 Pinecone 向量索引，优化召回率与检索延迟。 3.数据管道与 ETL：构建自动化数据流水线，负责将非结构化文档、业务数据库数据清洗、嵌入（Embedding）并同步至 MongoDB 或 Pinecone。 4.RAG 性能优化：针对检索质量进行微调，包括 Query 转换（HyDE/多查询生成）、重排序（Rerank）、以及针对不同向量库索引算法（如 HNSW）的参数优化。 5. 系统稳定性与可扩展性：设计支持多租户隔离的向量存储方案，并确保业务数据库与专用向量库之间的数据一致性。 语言要求：英语口语熟练，要和国外项目组参加会议