The posting
作为Agent工程师,你将深入核心,负责设计、开发与优化高可用、可扩展的AI智能体系统。你将不仅需要深入理解大语言模型(LLM)的能力与局限,更需要以工程化的思维,将其与业务逻辑、工具、记忆、规划等模块相结合,打造真正智能、可靠、可落地的AI应用。 【核心职责】 1、架构与开发:负责AI Agent系统的整体架构设计、核心模块开发与迭代,包括但不限于智能规划、工具调用、记忆管理、多智能体协作等。 2、工程化落地:将Agent原型转化为稳定、高性能、易监控的生产级服务。解决长上下文处理、流式响应、错误处理、降级策略等工程挑战。 3、工具生态整合:为Agent设计和集成强大的工具集(如API、数据库、搜索、代码执行器等),提升其与现实世界交互和解决问题的能力。 4、性能优化与评估:建立Agent的评估体系(Benchmark),持续迭代提示工程(Prompt Engineering)、微调策略,优化其推理效率、准确性和成本。 5、技术前瞻与创新:紧跟LangChain、AutoGen、CrewAI、Semantic Kernel等框架及学术前沿,探索并应用新技术(如强化学习、Advanced RAG)以提升Agent能力。 6、跨团队协作:与产品经理、算法研究员、前后端工程师紧密合作,明确技术边界,推动AI功能的高质量交付。
1、技术基础:计算机科学或相关专业本科以上学历,3年左右软件开发经验。 2、精通任意一门主流编程语言,具备扎实的编程能力和良好的代码风格。 3、熟悉主流云平台或云原生基础设施,如阿里云、腾讯云、华为云、火山引擎等;理解容器化部署、Serverless、对象存储、消息队列、数据库、日志监控等常见基础能力的适用场景,能够根据 Agent 应用的业务形态,与其他技术团队协作完成稳定交付。 4、有构建复杂分布式系统、微服务的经验,熟悉API设计、数据库优化。
【AI/Agent专长】 1、深入理解LLM:对Transformer架构、主流大模型(GPT、Claude、开源模型等)的原理、API及特性有深刻理解。 2、丰富的Agent开发经验:有使用LangChain、LlamaIndex、AutoGen等框架构建复杂Agent项目的实际经验,理解其核心抽象(Chain, Agent, Tool, Memory等)。 3、工程化思维:深刻理解Prompt Engineering不仅是“技巧”,更是需要版本控制、测试和持续迭代的工程问题。有构建Agent评估框架的经验者优先。 4、问题解决能力:能够独立解决Agent幻觉、推理逻辑错误、复杂任务分解等核心挑战。 【优先考虑】 1、有AI产品(如智能助手、Copilot、自动化工作流)从0到1的上线经验。 2、熟悉RAG、模型微调(Fine-tuning)、智能体对齐(Agent Alignment)等相关技术。 3、具备良好的技术领导力,能够主导技术方案,并指导初级工程师。 4、在开源社区有相关项目贡献或技术博客输出。



