【27届校招】AI Agent 算法工程师（Agent开发）

你将做什么

1. 01

   参与AI Agent的设计与开发，把财税场景任务做成能自动跑通的AI功能。

2. 02

   建设知识库系统：知识切片（把长政策文件、业务资料切成便于检索的片段）、知识图谱（把政策条款、业务实体之间的关系结构化）、RAG检索链路（让模型先查资料再回答，答案可溯源到原文）的开发与优化。

3. 03

   做技术调研与方案验证：小规模实验验证效果，输出结论。

4. 04

   参与效果评估与bad case分析：把"回答不准"的原因拆清楚，持续优化召回与生成效果。

5. 05

   和业务、产品一起把需求变成可落地的AI能力：把财税场景里的任务（政策问答、申报辅助、票据处理等）做成能自动跑通的功能，而不是停留在演示demo。

6. 06

   跟踪前沿AI技术动态，结合业务需求做技术调研和小规模实验，用数据验证"这招到底有没有用、值不值得投入"，输出可落地的结论。

7. 07

   参与效果评测与持续优化：让Agent的效果可量化、可对比、可回归，而不是靠感觉判断。

8. 08

   沉淀方案、文档与结论，和算法、产品、业务同学顺畅协作，把成果讲清楚

我们期待你

1. 01

   27届硕士学历，计算机、人工智能、软件工程、数学、统计等相关专业；

2. 02

   熟悉Python或Java，算法与数据结构基础扎实，代码写得清楚、能跑通、有基本工程规范。

3. 03

   理解大模型的基本原理与能力边界，知道什么时候该用模型、什么时候该用规则或算法。

4. 04

   学习能力强、逻辑清晰，能独立定位并解决技术问题，能读英文技术文档和论文。

5. 05

   愿意深入理解业务，能和算法、产品、业务同学顺畅协作。

6. 06

   在LLM、NLP、知识图谱、RAG等至少一个方向有项目经验或研究积累（课程项目、竞赛、科研、实习均可——关键是能讲清楚你做了什么、效果怎么验证的）。

【加分项】 · 有AI竞赛、开源贡献、论文发表或相关实习经历。

• 用过AI编程工具（Claude Code、Trae、CodeBuddy等）辅助真实开发。

• 搭过RAG系统，哪怕是一个能跑通的小demo：做过文档切分、向量检索、召回优化、效果评估中的任一环节。

• 有知识图谱经验：实体识别、关系抽取、图数据库（Neo4j等）。

• 用过向量库（Milvus、Faiss等）或Embedding模型，调过召回效果