The posting
业务背景 在汽车行业智能化与电动化趋势下,供应链已经成为企业核心竞争力之一。一辆汽车涉及上万个零部件及多个业务系统的全球协同,任何一个环节的信息不透明、风险识别不及时或决策滞后,都可能影响生产、库存、交付与成本。 团队正在建设面向新能源汽车供应链的新一代数据与 AI 能力体系,包括供应链数据底座、企业知识体系、Agent 平台与智能决策能力。我们希望通过 Data-driven 的方式推动供应链管理线上化,并结合 AI Co-pilot 与 Agentic AI,打造覆盖“监控、预警、分析、决策、执行”的供应链 Control Tower。 岗位将参与供应链 AI Agent 的设计、开发、评估与落地,服务于采购、计划、物流、库存及供应商管理等核心业务场景。 岗位职责 参与新能源汽车供应链场景 AI Agent 的设计与开发,将缺料分析、供应风险排查、库存诊断等业务问题拆解为可规划、可调用工具、可验证结果的智能任务。 基于 ReAct、Planning、Tool Calling、Memory 等机制,构建具备任务理解、步骤规划、知识检索、工具调用及结果校验能力的 Agent。 参与企业级 Agent Harness / Runtime 建设,包括 Tool / Skill 管理、Context 管理、任务状态管理、执行编排、失败重试、权限控制与运行可观测性等能力。 参与 Agent 评估体系建设,围绕任务成功率、工具调用准确率、知识检索质量、执行效率及结果可信度构建评测集,并通过失败案例分析持续优化系统。 参与供应链知识体系建设,包括 Ontology 建模、知识图谱、GraphRAG 和企业语义体系抽象,提升 Agent 对企业数据、知识及业务关系的理解能力。 与供应链、采购、计划、物流等业务团队,以及数据、产品和研发团队协同,推动 AI 能力在真实业务流程中落地并持续迭代。
岗位要求 本科及以上学历,硕士优先;计算机、人工智能、软件工程、数据科学、自动化、数学、统计学、运筹优化等相关专业优先。 具备扎实的计算机基础与工程能力,熟悉 Python,掌握常用数据结构与算法,具备良好的代码质量和系统设计意识。 理解 Agentic AI 与固定 Workflow Automation 的区别,了解任务规划、工具调用、上下文管理、知识检索、结果校验及长链路任务执行等核心机制。 通过课程、科研、竞赛、实习或个人项目,完成过至少一个包含大模型调用、RAG、Tool Calling 或任务编排的 AI 应用,并能够清晰说明其技术方案、评估方式与局限性。 具备良好的问题拆解和学习能力,能够将复杂业务问题抽象为数据、知识、工具及执行流程。 具备良好的沟通协作能力,对供应链、制造业及企业级 AI 应用有兴趣。 不要求候选人覆盖全部技术方向。具备其中一个方向的深入项目经验,并对其他方向有基本理解即可。 熟悉或接触过以下技术方向者优先 LangGraph、AutoGen、CrewAI、Semantic Kernel、OpenAI SDK、MCP(Model Context Protocol)等 Agent Framework / Runtime。 Prompt / Context Engineering、复杂 Tool Calling、任务状态管理、Agent Evaluation、Tracing 或长链路任务执行。 Ontology、知识图谱、GraphRAG、企业知识组织与语义抽象。 Neo4j、NebulaGraph、Milvus、pgvector、Weaviate 等图数据库或向量数据库。 Embedding、Reranking、Retrieval Pipeline、Text-to-SQL 或 Tool Calling Infrastructure。 API 与数据库集成、异步任务、日志监控、自动化测试或 AI 应用部署。 有真实 AI Agent 项目、开源项目、科研竞赛、企业实习,或供应链、汽车及制造业相关经验。



