集团安全部-Agent Infra研发工程师-AI基础平台

负责上下文管理&Memory系统研发，覆盖上下文抽取、存储、检索、更新（冲突处理和遗忘机制），持续优化召回质量和任务效果 ● 负责Benchmark建设与评测体系搭建，结合业界开源Benchmark与业务深度协作，沉淀网络安全、内容安全、行为安全等多场景下真实业务的端到端评测方案，看清能力水位；同时支撑大规模复杂并发任务，保障工具调用的稳定性 ● 负责Harness持续优化，以评测数据驱动归因分析与问题修复，建立"归因—修复—验证"闭环，提升业务效果，并在保障效果的同时持续降低Token成本

扎实的工程能力：熟练掌握 Python、Java、C++ 等至少一种编程语言，具备良好的系统设计和工程化能力；熟悉分布式任务调度及 Docker、Kubernetes 等容器化技术 ● LLM 与 Agent 领域经验：深入理解大语言模型的工作原理与能力边界，有 Agent 框架（如 ReAct、Tool-use、Multi-Agent 编排）的实际使用或开发经验 ● 评测与数据分析能力：具备 Benchmark 和评测指标设计经验，理解任务完成率、pass@k、评测一致性、区分度及数据质量控制, 能够完成根因分析并推动优化方案落地; 熟悉主流 Agent 评测方法论（如 τ-bench、SWE-bench、过程评测与结果评测对比） ●上下文&Memory：熟悉 RAG、Embedding、向量数据库及检索重排，理解记忆生成、召回、更新、去重、冲突处理和遗忘等完整生命周期；能够量化评估 Memory 对业务效果、时延及成本的影响。

具备良好的跨团队沟通能力，能与算法、工程、产品团队协作推动评测结果落地；对 Agent 能力评测有持续好奇心，关注行业最新进展（代码 Agent、安全 Agent、通用推理 Agent），能主动发现评测体系中的盲区并驱动改进 加分项 ● 有 Token 成本优化经验，能够量化 Prompt 压缩、缓存、模型路由等策略的效果与成本权衡 ● 有开源评测框架或者Memory贡献作为加分项