AI agent应用开发工程师（创新药早研方向）(J14907)

将模糊的业务诉求拆解为可执行的任务链：明确输入、输出、可调用工具、终止条件和人工介入点。

判断哪些环节应由确定性 Workflow 完成、哪些应交给模型推理，避免把可以规则化的流程做成不可控的自由推理。

与业务方共同定义“什么算做对了”，把主观满意度转化为可评测的验收标准。

把 Model Hub 中的模型、Workflow 中的流程、内外部数据库和计算工具封装为稳定、可发现、可组合的工具接口。

构建面向研发文献、内部知识资产和结构化数据的检索增强（RAG）能力，保证输出可溯源、可核查。

设计结构化输出与约束机制，控制 Agent 的行为边界、权限范围和失败降级路径。 这里不要求候选人入职前已经熟悉药物研发流程，核心要求是具备把复杂任务拆解为可靠 Agent 系统的能力，并能与领域专家共同定义任务目标。

建立上线前回归测试与上线后线上指标监控，保证迭代不引入退化。

基于失败案例做归因分析，区分模型能力不足、工具缺失、上下文组织问题与需求定义不清。

用数据驱动 prompt、工具设计和架构的迭代，而不是凭感觉反复调试提示词。

复用平台的模型服务、任务调度、权限、审计和存储能力，避免重复建设。

参与 Agent 相关的接口契约、版本管理、灰度发布和运行监控等能力建设。

沉淀可复用的 Agent 组件、工具库、评估资产和最佳实践，降低后续场景的边际交付成本。

关注推理成本、响应延迟、并发能力和稳定性，做必要的缓存、批处理与调用优化。

建立日志、追踪和可观测性，使每一次 Agent 执行都可复盘。

编写设计文档、评估报告和使用说明，支持内部推广与外部合作项目落地。

计算机科学、人工智能、数据科学、统计学、生物信息学或相关专业，硕士及以上学历。

具备大模型应用或 Agent 系统的实际开发经验，熟悉工具调用、检索增强、结构化输出、上下文工程等核心技术。

熟练使用 Python，熟悉 LangGraph、LlamaIndex、AutoGen、Strands 或自研 Agent 框架中的一种或多种。

具备工程化思维和实际工程经验：熟悉 Git、Docker 容器化、REST API、异步任务、CI/CD、日志与监控，交付物是可部署的服务而不是本地脚本。

能够独立构建评估集与自动化评测流程，用可量化的指标驱动迭代。

理解大模型的能力边界与典型失败模式，包括幻觉、长上下文衰减、工具误用、指令注入和权限越界。

具备扎实的机器学习基础，能判断某个问题应该用检索、微调、规则还是流程编排解决。

具备良好的沟通和问题抽象能力，能够与业务、实验和工程团队协作。