The posting
1. 定义 Agent Runtime、任务编排、上下文/记忆、工具调用、多 Agent 协作及人机协同的总体架构。 2. 负责模型选型、路由、私有化部署、推理加速、容量规划与成本优化,形成可复用的模型工程能力。 3. 建立从数据、轨迹、离线评测、人工复核到线上反馈的闭环,统一质量、时延、成本、安全与稳定性指标。 4. 牵引工程团队完成服务、部署、权限、观测与容灾,牵引 ADST 完成智能决策逻辑、Agent 核心算法与业务效果验证。 5. 主持关键架构评审与技术取舍,沉淀平台标准、接口规范和复用组件,并带教核心工程与算法成员。
1. 6 年以上研发经验,含 2 年以上大模型、Agent 或推理工程经验;主导过生产级复杂 AI 系统。 2. 扎实掌握分布式系统、服务治理、性能与可靠性工程,能够亲自定位模型服务和 Agent 链路问题。 3. 理解主流开源模型、vLLM 等推理框架,以及 RAG、Context Engineering、Tool Calling、记忆与多 Agent 机制。 4. 具备模型评测、推理性能、GPU/算力利用、成本和容量治理实践,能以数据做架构决策。 5. 能够在模型效果、业务价值、交付速度与工程风险之间做取舍,并把长期路线拆成阶段性结果。 6. 具备跨工程、算法、数据、产品和业务团队的技术领导力;不要求行政管理,但要求带教和标准影响力。 加分项 - 建设过企业级 Agent 平台、模型服务平台、推理引擎、数据 Agent 或智能决策系统。 - 有模型后训练、强化学习、检索排序、知识工程、云原生或安全合规的深入实践。 - 有高质量开源项目、论文、专利或可验证的大规模线上效果与成本优化案例。



