业务技术-AI应用研发工程师-首页&推荐

1、需求理解与归因：深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。

2、架构设计：面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性。

3、知识与环境构建：搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑。

4、核心能力实现：负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析。

5、系统迭代与演进：建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地。"

1. 人工智能、计算机、电子等相关专业本科及以上学历；1 年以上大模型 Agent 研发经验，有 Agent 项目成功落地案例。

2. 熟悉 Agent 核心概念与架构，Prompt、Skill、Harness、MCP，以及 memory、reasoning、tool orchestration 等模块，具备 AI 原生系统设计能力。

3. 熟悉 RAG 全链路，有召回质量与上下文优化的实战经验；有评测意识，具备 case 分析能力，能搭建自动化评测，用数据驱动效果迭代。

4. 扎实的工程功底，熟悉 Python/Java 与高并发服务设计，掌握异步、降级、全链路 tracing 等稳定性与可观测手段。

5. 有产品热情，能快速理解业务背景、抽象业务过程，实现业务与技术的结合；较强的 ownership 与跨团队协作能力。