AI Agent 研发实习生（可转正）

参与策略对抗场景下的 AI Agent 架构设计与工程实现； 建设 Agent 的状态管理、规划、记忆、策略调用、工具调用和动作执行模块； 设计完整决策链路，包括局面状态解析、历史信息管理、策略生成、动作约束和异常回退； 构建多智能体协作与对抗机制，支持不同角色、不同策略和不同模型之间的交互； 参与模拟对战、Self-play、批量评测和回放分析系统建设； 设计动作合法性校验、超时处理、失败重试、降级策略和可观测性机制； 优化 Agent 的稳定性、响应效率、上下文管理和推理成本； 与模型训练及业务研发团队协作，完成模型、规则系统和产品链路的集成

计算机、人工智能、软件工程等相关专业在校生； 熟悉 Python，具备较好的代码组织、调试和工程实现能力； 有真实 AI Agent 项目经验，并实际参与过核心模块开发； 熟悉一种或多种 Agent 设计模式，如 ReAct、Planner–Executor、Tool Use、Workflow 或 Multi-Agent； 熟悉claude code、codex、openclaw、hermes等架构； 理解大模型在规划、推理和工具调用中的能力边界，能够处理幻觉、超时、上下文溢出和结果不稳定等问题； 熟悉 API 集成、结构化输出、日志记录、异常处理及基础测试方法； 能够清晰说明项目架构、关键模块、技术取舍、实际效果和本人贡献。 加分项 有多智能体协作或对抗系统经验； 有卡牌、棋类、博弈或其他游戏 AI 项目经验； 熟悉状态机、行为树、规则引擎或搜索算法； 有 Agent 评测、轨迹分析、记忆系统或上下文压缩经验； 熟悉异步任务、并发服务、消息队列或分布式模拟； 有开源项目、线上应用或实际用户使用的 Agent 产品经验； 了解强化学习、不完全信息决策或对手建模。 你将获得 参与真实 AI Agent 系统从架构设计到业务落地的完整过程； 处理多智能体协作、复杂状态管理和长链路决策等实际问题； 深入理解大模型、规则系统、策略模型与工程系统的结合方式； 与项目负责人直接协作，承担边界明确且可独立交付的核心模块。 投递建议 请附上可展示的项目材料，如 GitHub、技术文档、演示视频或产品链接，并重点说明： Agent 解决了什么问题、采用了什么架构、调用了哪些工具、如何评测、是否有真实用户或实际运行数据，以及本人负责的部分