Agent 算法专家

负责 Agent 核心算法模块的设计与实现，包括**规划（Planning）、记忆（Memory）、工具调用（Tool Use）、反思（Reflection）**与多智能体协作策略，并持续迭代。 面向客服、工单等场景做 端到端效果优化 ：从任务定义、上下文工程、工具集设计到失败归因，持续提升任务成功率与一次解决率。 构建 Agent 评测体系 ：设计场景评测集、搭建自动化打分（规则 + LLM-as-judge）、实现轨迹级归因，让效果变化可量化、可回归。 负责 基座模型选型与成本优化 ：模型分级路由、Prompt 与缓存优化、小模型微调（SFT / DPO / LoRA），在效果与单位任务成本、延迟之间取得平衡。 推进 RAG 与知识接入 ：文档切片、混合召回、重排与多轮知识一致性，支撑知识问答与操作类任务。 跟踪 Agent 前沿方向（ReAct、Reflexion、Plan-and-Execute、Multi-Agent、MCP、AG-UI、Agent Harness 等），完成技术选型评估并推动落地。 与平台工程、业务产品紧密协作，把算法能力沉淀为 可配置、可复用的平台能力 ，降低业务侧使用门槛

学历 ：本科及以上，计算机、数学、统计或相关专业；5 年以上算法或 AI 应用研发经验，硕士可适当放宽年限。 模型功底 ：理解 Transformer 基本原理与主流大模型的能力边界，有扎实的 Prompt 与上下文工程实战经验。 经验 ：主导过至少一个 已上线运行 的 Agent 或 LLM 应用，能清楚讲述链路设计、指标变化与踩坑过程。 框架 ：熟悉至少一种 Agent 编排框架（LangGraph、AutoGen、CrewAI、AgentScope、Dify 等），或有自研运行时 / 编排引擎经验。 工程 ：熟练使用 Python，具备独立把方案跑通、上线的工程能力；了解向量检索与 RAG 常见工程链路。 调试 ：具备数据驱动的排查能力，能通过日志与 Trace 判断问题出在模型、Prompt、工具还是流程编排。 协作 ：能把模糊的业务诉求拆解为可执行的算法任务，并与产品、工程团队顺畅对齐。 加分项 有微调与对齐实战经验（SFT、DPO、RLHF），熟悉 LoRA / QLoRA 等高效微调方案。 有评测集从 0 到 1 的建设经验，或做过 LLM-as-judge 的可靠性校准。 有客服、工单或金融行业场景经验，理解合规与风控边界。 熟悉 MCP、A2A、AG-UI 等协议，或参与过开源 Agent 项目。 有 Agent 运行时与沙箱（Sandbox）相关经验，如隔离执行、权限控制。 有论文、专利或高质量技术博客输出。 我们提供 真实业务场景 ：企业级平台一线落地，有真实业务量与反馈闭环，成果可被验证。 多业务线协作 ：横向覆盖大前端、消金产品、SRE、工程平台、工具平台等团队。 技术决策参与 ：技术选型、架构设计与路线图规划，你有直接的话语权。 有竞争力的薪酬 ：薪酬面议，配套完善的福利与弹性工作安排