智能体/LLM应用开发工程师(地质勘探)

岗位背景：
我们的多智能体系统已经从概念走向落地，正在应用于靶区预测、钻孔优化、勘探目标评价等实际业务中。现需要优秀的智能体实施与优化工程师，将这些智能体真正“训练”成更优秀的地质专家助手。
你将负责智能体的具体实现、提示词调优、与地质数据库/专业软件的对接，并对线上系统进行持续的性能监控与成本优化。你的工作将直接影响智能体解释的准确率和勘探工程师的使用体验。
岗位职责
1.智能体开发实现：基于自研的多智能体框架，实现地质解释、数据预处理、报告生成等智能体的代码编写与调试，确保业务流程闭环。
2.地质提示词工程：针对具体地质任务（如岩性识别、沉积相划分、算法参数计算）设计高质量提示词，提升智能体对专业术语和复杂规则的理解准确率。
3.专业工具封装：将公司内部的勘探数据库、地质建模脚本、专业软件API封装成智能体能调用的工具（Tools），并持续优化工具描述文档。
4.性能观测与调优：建立智能体运行的可观测性，监控任务成功率、响应延迟、Token消耗等指标。深入分析Bad Case（如层位追踪错误、逻辑矛盾），定位问题根源并优化。
5.成本优化：通过智能路由（简单任务用小模型）、缓存、上下文裁剪等手段，在保证效果前提下大幅降低API成本。
6.反馈闭环：设计人机交互反馈机制，收集地质工程师对智能体输出结果的修正数据，用于模型微调和提示词迭代。
任职要求
基础要求：
学历背景：计算机、人工智能、地球物理、地质资源或相关专业本科及以上学历。
编程能力：精通Python，熟悉C++/Java等，有良好的架构设计能力。
核心技能（实施与优化）：
1.Prompt专家：能针对地质任务写出稳定、高效的提示词，擅长通过Few-shot、Chain-of-Thought约束智能体输出，熟悉JSON格式强制生成技巧。
2.代码调试与扩展：能阅读框架源码，解决二次开发中的Bug，根据地质业务需求定制智能体行为。
3.数据驱动优化：能从日志中提取Bad Case，分类统计错误类型（如工具调用参数错误、推理逻辑错误），并针对性优化。
4.工程素养：熟悉Docker、Redis、向量数据库，了解异步处理，能保障智能体服务在高并发下的稳定性。
加分项：
有智能体项目落地经验。
深度使用过LangGraph、CrewAI、AutoGen之一，能独立搭建包含多智能体协作的工程化项目。
有地质/能源行业软件开发经验，或参与过地质数据清洗、解释项目。
熟悉LangFuse、PromptFlow等LLM运维监控工具。
对大模型及智能体能深入理解和独立看法。
深刻理解ReAct、Plan-and-Execute、Reflexion等智能体工作范式，并能根据地质任务特点（如长流程、需调用专业软件）进行改造。