多智能体开发工程师

职位描述： Agent 核心模块开发：参与云端智能 Agent 系统的架构设计与核心模块研发，在导师指导下协助实现对话状态管理、意图识别、上下文处理、工具调用及多模态决策等关键功能。 微服务架构与 LLM 集成：协助构建高可用、可扩展的微服务架构，参与系统稳定性与容灾能力建设；学习并支持大语言模型（LLM）在云端 Agent 中的集成，参与 Prompt 优化、上下文压缩、推理加速及 Agent 编排等技术的工程落地。 全链路性能优化：参与系统性能分析与调优，协助降低从请求接入到响应生成的全链路延迟，优化首字响应时间（TTFB），提升最终用户体验。 前沿技术工程化探索：参与探索 RAG（检索增强生成）、Function Calling、Agent 记忆机制、个性化建模等前沿技术的工程实现，协助推动创新功能的产品化落地。 跨团队协作与全周期交付：与算法、产品、运维等多方团队紧密协作，参与从技术预研、灰度发布到全量上线的全周期交付流程，积累大型互联网项目的实战经验。

任职要求： 2027届毕业生，统招本科及以上学历，计算机、人工智能、软件工程或相关专业。 具备扎实的计算机基础，熟悉数据结构与算法、计算机网络、操作系统及分布式系统基本原理。 熟练掌握 Go / Python / Rust / C++ 中的至少一门后端编程语言，具备良好的工程规范与模块化设计意识，有高并发编程基础或相关项目经验者优先。 了解云原生相关技术栈，熟悉 Kubernetes、Docker、gRPC、REST 等概念，了解消息队列（如 Kafka/RabbitMQ）或监控体系（如 Prometheus/Grafana），有相关服务部署与运维实践者优先。 对大语言模型（LLM）及其实际应用有浓厚兴趣，了解 LLM 基本原理，并在以下一项或多项有相关学习、研究或项目经验者优先： Prompt 设计与优化 上下文管理与记忆机制 推理加速相关技术（如 vLLM、TensorRT-LLM、模型量化等） Function Calling / Tool Use 的工程实现 具备优秀的逻辑分析能力、团队协作精神和独立解决复杂问题的能力，能够快速学习新技术并适应敏捷开发节奏。