AI研发效能工程师

主导 AI Agent 应用的架构设计与工程实现，包括基于 MCP 的工具生态接入、多 Agent 协作编排（A2A 等协议）、RAG 检索增强、上下文工程与记忆管理，将 Agent 能力深度集成到研发工作流（IDE 插件、终端 CLI、CI 流水线、研发 IM 机器人等）；

深入参与复杂在线 AI 应用的评测体系建设：设计评估指标体系与评测基准（Benchmark）、构建 Agent 评估器（LLM-as-a-Judge）、搭建评测自动化工作流与发布前质量门禁，建设 LLM 可观测性平台（如 Langfuse），建立数据驱动的持续迭代机制；

建立研发效能度量体系，沉淀度量 SDK 供各 Agent 与业务方接入采集，量化 AI 提效收益（如 AI 代码采纳率、交付周期、缺陷逃逸率等），以数据驱动平台能力与产品体验优化；

持续追踪 AI-DLC（AI 驱动的研发生命周期）、Loop Engineering（循环工程）、评测驱动开发（EDD）、行为驱动开发（BDD）等前沿工程范式与最佳实践，推动前沿方法在研发效能场景的落地与产品化

本科及以上学历，计算机、软件工程等相关专业，3 年以上后端或 AI 应用开发经验，有研发效能、DevOps、工程效能平台或 AI 中台建设经验者优先；

熟悉大语言模型（LLM）的底层原理与工程化应用，深入理解 Agent Harness / 运行时的核心机制（上下文工程与记忆管理、MCP 等工具协议接入、循环控制、验证与终止条件），有 Agent Harness 或 Agent 框架设计开发与二次开发的实际项目经验者优先；

具备扎实的算法与数据结构基础，至少精通一门主流编程语言（Python / Go / Java），具备良好的工程编码习惯与系统设计能力；

熟悉软件研发全流程（需求、开发、测试、构建、发布、监控），理解 DORA、SPACE 等效能度量方法及 AI 时代度量指标者优先；

具备优秀的复杂问题拆解与跨团队协作能力，积极主动、自驱力强，对 AI 技术有热情，能快速学习并推动技术落地