The posting
1.Agent 内核研发——任务编排、上下文与记忆管理、多 Agent 协作。你会直面这个领域的工程难题,比如:长任务跑到第 xx 步失败了怎么恢复?上下文爆了该丢什么?多Agent协作编排如何发挥最大的能力? 2.AI 员工平台——多租户隔离、身份与权限模型、workspace 与记忆的绑定关系,把"AI 员工"从概念变成可部署的产品; 3.MCP、CLI、语义层建设——把公司几十个内部系统改造成 Agent 能理解、能调用的能力。你做的不是"接口调通",是定义一套全公司都按它走的标准和规则; 4.模型网关——多模型路由、成本计量、灰度降级、内容安全,在真实高并发流量里理解什么叫"生产级"; 4.评测与可观测——用数据而不是感觉,回答"这个 Agent 到底靠不靠谱",如何让Agent在生产环境下越用越聪明,如何让AI完成自我进化和迭代
你会获得 1.导师制:从 0 到 1 把平台搭起来的资深老鸟,带领你快速成长,学会如何独当一面 2.第一年就上生产:入职 3 个月内你会有模块进入线上,被上千人使用 3.技术纵深:多个前沿方向,一年内可深度参与至少1-2个,找到自己的主攻点
1.2027届本科及以上,计算机、软件工程、人工智能等相关专业; 2.编程功底扎实,Python / Go / Java 至少精通一门,理解基本的分布式系统概念; 3.有真正动手做过的 AI 项目——一个能跑起来的 Agent、一次认真的开源 PR、一段有产出的实习。 4.不满足于"调 API 出效果",会追问背后的原理:为什么失败、怎么恢复、怎么衡量好坏; 5.讲得清楚、扛得住追问——你会直接和多个业务团队对接技术方案。
加分项:Agent / RAG / Multi-Agent 实战经验;了解 MCP、A2A 协议或自己实现过工具调用机制;接触过知识图谱、本体建模、语义检索;AI 黑客马拉松、ACM / Kaggle 竞赛获奖;有开源贡献或技术博客。



