OceanBase-AI平台开发专家-OceanBase

负责面向业务场景的 AI Agent 系统研发，包括任务规划、工具调用、记忆管理、多智能体协作、状态管理与可观测性建设。 基于 LangChain、LangGraph 等框架，设计和实现可扩展、可维护的 LLM 应用链路，支持 ReAct、Function Calling、Structured Output、RAG 等关键能力落地。 负责知识图谱与 Ontology 相关能力建设，包括本体建模、概念体系设计、实体关系抽取、语义约束、语义推理与图谱应用开发。 参与 RDF、RDFS、OWL、SPARQL 等语义网络技术在实际业务中的建模、查询、推理和应用集成。 将原型 Demo 演进为生产级系统，保障系统稳定性、可观测性、可测试性、可维护性与工程交付质量。 结合业务需求，持续优化 Prompt、上下文管理、模型调用成本、效果评测、安全防护与异常兜底策略。 熟练使用 Cursor、Claude Code、Codex 等 AI 编程工具，通过规则、上下文、测试与评审机制提升研发效率，同时保证代码质量。

具备扎实的 Python 工程能力，熟悉 FastAPI、异步编程、数据库、消息队列、服务治理及云原生部署相关实践。 有生产级 AI Agent 项目经验，理解 Agent 的任务拆解、规划执行、工具调用、记忆机制、多智能体协作、状态管理、日志追踪与效果观测。 熟悉 LangChain、LangGraph 或同类 LLM 应用开发框架，理解 ReAct、Function Calling、Structured Output、RAG 等机制的适用场景和工程边界。 熟悉知识图谱、Ontology、RDF、RDFS、OWL、SPARQL 等语义网络技术，能够独立进行本体建模、实体关系设计、语义推理和图谱应用开发。 理解主流大模型的能力边界，具备 Prompt Engineering、上下文管理、成本控制、安全防护、效果评测等实际经验。 具备良好的系统化思维和工程交付意识，能够把探索性方案沉淀为稳定、可维护、可扩展的生产系统。 熟练使用 AI 编程工具，能够通过规则约束、上下文组织、自动化测试、代码评审等方式提升研发效率，而不是简单依赖 AI 生成代码。 加分项 有知识图谱、语义搜索、智能问答、智能体平台、企业知识库、数据治理、本体管理平台等项目经验。 熟悉 Neo4j、GraphDB、Stardog、Jena、RDFLib、OWLReady2、SPARQL Endpoint 等图谱或语义技术组件。 有复杂 Agent 编排、多 Agent 协同、企业级 RAG、知识增强推理、工具调用平台等生产落地经验。 有模型效果评测、Agent 轨迹分析、Prompt 版本管理、LLMOps、可观测性平台建设经验。 有开源项目、技术博客、论文、专利或行业方案沉淀。