AI Agent资深开发-工业互联网(J14514)

1.主导 Agent 运行框架（Agent Harness / Agent Runtime）的架构设计与核心代码开发。设计 Agent 生命周期、执行循环、上下文与状态管理、工具执行、异常恢复等核心机制，为上层业务提供高可用、可扩展的 Agent 底座。

2.深入设计并优化 Agent 核心机制（Agent Loop、Planning、Memory、Tool Use、MCP、Subagent、Multi-Agent 等）。解决长链路执行、上下文丢失、任务偏移、工具调用不稳定、状态恢复等实际工程问题。

3.负责 LLM Agent 应用开发全链路，包括 Prompt Engineering、Context Engineering、RAG、Function Calling 等。能够将复杂业务需求抽象为 Agent、Workflow、Tool，并推动 Agent 从 Demo/PoC 走向生产落地。

4.深入理解主流 Agent Framework / Runtime 的设计原理，主导框架选型、二次开发与自研。持续优化 Agent 在复杂任务、高并发及长时间运行场景下的稳定性和执行效率。

5.建立并完善 Agent 评估与可观测体系，基于 Trace、任务成功率、Tool 调用、Token、延迟等数据分析 Agent 行为，持续优化 Model、Context、Tool 与 Harness。

6.持续跟进 Agent Harness、Context Engineering、MCP、Coding Agent、Multi-Agent 等前沿技术，结合业务场景推动团队技术演进。

1.本科及以上，计算机相关专业；5 年以上后端开发经验，有 LLM Agent 方向架构设计与研发经验，主导或深度参与过至少 1 个生产级 Agent 项目从 0 到 1 落地。

2.精通 Java，具备优秀的工程化与系统设计能力；熟悉 Python，能够熟练使用 Python AI/LLM 生态。

3.深刻理解 LLM 与 Agent 核心原理（Agent Loop、Planning、Context、Memory、Tool Calling、MCP 等）。对 Agent Harness / Runtime 有深入理解和实战经验，能够独立设计并搭建稳定可靠的 Agent 执行底座。

4.深入掌握至少一种主流 Agent 框架（LangChain / LangGraph / LlamaIndex / AutoGen / AgentScope 等），理解其核心设计与实现机制，具备源码分析、二次开发或自研 Runtime 经验。

5.具备较强的 Agent 工程化问题解决能力，有长链路任务、上下文管理、工具调用、状态恢复、执行稳定性等问题的实际排查与优化经验。

6.熟悉 Prompt Engineering、Context Engineering、RAG、Function Calling 等 LLM 应用技术，熟悉企业知识库、向量检索及主流大模型生态。

7.具备较强的业务抽象能力，能够将复杂业务需求拆解并落地为 Agent 工作流，有复杂 ToB 或生产级业务系统落地经验。

8. Agent 产品高强度用户，深度使用 Claude Code、Cursor、Codex 等产品，对模型行为和 Agent 产品有较强的理解与判断力。

加分项

1.有开源 Agent 框架核心代码贡献，或有独立研发 Agent Harness / Runtime 并投入生产的经验。

2.有 0→1 搭建 Agent Platform、AI 应用平台或 Multi-Agent 系统经验；有高并发、长任务、复杂业务流等生产环境落地经验。

3.有 Agent Evaluation / Observability / Trace 体系建设及线上 Agent 效果优化经验。

4.有 Coding Agent、Research Agent、Data Agent 等复杂 Agent 产品研发经验。

5.有企业级 RAG、知识库、知识图谱或工业互联网相关项目经验。