The posting
职位描述 负责面向真实机器人数据闭环和策略迭代流程的 agent 系统研发。岗位重点包括多模态信息理解、结构化输出、工具调用、工作流编排、结果校验和可靠性评估。你将参与构建服务于机器人数据处理、实验分析、策略评估和迭代决策的智能工作流系统，使多模态模型能力稳定进入真实机器人研发流程。
工作职责 - 设计和实现多模态 agent 工作流，包括任务理解、信息抽取、结构化输出、工具调用和结果校验。 - 构建稳定的 agent pipeline，使模型输出能够被可靠解析、验证、追踪和复用。 - 设计 schema、状态机、工具接口、重试机制、异常处理和人工复核流程。 - 将 agent 能力接入机器人数据闭环，包括数据处理、实验记录、失败分析、评估总结和策略迭代辅助。 - 评估不同 LLM / VLM 在真实机器人任务中的稳定性、准确性、延迟和成本。 - 构建 agent evaluation benchmark，分析模型幻觉、格式错误、置信度异常和任务失败模式。 - 与算法和机器人团队协作，将 agent 输出转化为真实系统可使用的结构化结果。 - 根据真实使用反馈持续优化 agent 的交互、推理、记忆和任务执行流程。
任职要求 - 熟悉 LLM / VLM / multimodal agent / tool-use / structured generation 中至少一个方向。 - 熟练使用 Python，具备良好的工程实现能力。 - 理解 prompt、schema、function calling、tool interface、workflow orchestration 等技术。 - 对 agent 系统的可靠性问题有敏感度，包括幻觉、格式错误、模型漂移、prompt sensitivity、异常恢复等。 - 具备良好的系统设计能力，能够将模型能力接入稳定、可追踪、可维护的工程流程。 - 有较强系统思维，能理解真实工作流中的人机协作和可靠性需求。
加分项 - 有机器人、具身智能、机器人数据平台或机器人学习系统相关经验。 - 做过多模态理解、视频理解、自动标注、数据质检、实验分析、workflow agent 或 coding agent。 - 熟悉 OpenAI / Claude / Gemini / Qwen / GLM 等模型 API，或有本地模型部署经验。 - 有 FastAPI / React / 队列系统 / 数据库 / 可观测性 / 日志审计经验。 - 有开源 agent framework、workflow engine 或 structured output 系统经验。
