智能体研发工程师

岗位职责：
1、核心架构设计：基于大语言模型（GPT/Claude/Llama/Qwen等），设计并实现具备规划、记忆、工具使用能力的自主智能体（Agent）系统。
2、复杂任务拆解：研发多智能体协作（Multi-Agent）框架，解决复杂业务场景下的任务自动拆解、执行路径优化与异常自愈问题。
3、RAG与知识工程：优化检索增强生成（RAG）流程，结合向量数据库与知识图谱，提升智能体对私域/实时信息的调用准确率。
4、工具调用（Function Calling）：定义和接入各类内部API与外部插件，让AI具备操作软件、查询数据库、调用第三方服务的能力。
5、性能评估与调优：建立针对智能体决策链路的质量评估体系（LLM as Judge），持续优化意图识别、逻辑连贯性与输出格式的稳定性。
6、模型微调：针对特定场景需求，对基座模型进行指令微调或偏好对齐，提升特定任务的执行成功率和效率。
任职要求：
基础能力
1、学历与经验：计算机科学、人工智能或相关专业本科及以上学历，2年以上相关开发经验（优秀者可放宽至硕士应届）。
2、编程能力：熟练掌握 Python，具备优秀的代码规范与工程化能力，熟悉至少一种异步编程框架。
3、LLM应用经验：深入理解 LangChain、LangGraph、Semantic Kernel、AutoGen 等至少一种Agent开发框架，有实际落地项目经验。
核心技能
1、Prompt Engineering：精通各类高阶提示词技巧（如思维链CoT、ReAct、ToT），能够设计复杂的指令模板并控制结构化输出（JSON/XML/Markdown）。
2、RAG深度理解：熟悉Chunking策略、Embedding模型选型、重排（Rerank）机制，以及HyDE等高级检索技术。
3、算法基础：熟悉强化学习（RLHF/PPO） 或具备传统机器学习/运筹学背景者加分（用于路径规划类Agent）。
4、工程部署：熟悉Docker、Kubernetes（K8s），有高并发API服务（FastAPI/Flask）开发及GPU推理优化（vLLM/TGI）经验。
加分项
1、有Multi-Agent辩论/协作机制（如CAMEL、AutoGen Studio）的实战经验。
2、熟悉本地化模型部署（如Llama 3， Qwen-72B）及量化技术（GPTQ/AWQ）。
3、发表过NLP/AI顶会论文或为知名AI开源项目（LangChain、AutoGPT、Dify）贡献过代码。
4、具备特定领域知识：金融量化、代码生成（SWE-Agent）、机器人控制或ERP系统自动化。