（27届 ASP）AI-Agent算法工程师

你将加入 AI Agent 核心团队，参与构建下一代智能体系统——一个具备云端推理大脑、本地执行能力和团队协作意识的 AI Agent 平台。我们的目标不只是做一个"能对话的助手"，而是让 Agent 真正融入用户的工作流，跨设备、跨应用、跨团队地完成复杂任务。 具体职责包括： Agent 核心架构 设计并实现任务规划编排、多轮对话管理、上下文工程及 RAG 检索增强等关键模块，提升 Agent 的决策质量与执行效率。 研究 Cloud-Local 混合 Agent 架构：云端负责推理与记忆，本地负责文件操作、GUI 自动化与敏感数据处理，设计两层之间的任务路由与状态同步协议。 多端入口与跨平台能力 构建 Agent 的多 IM 接入层（飞书、Slack、微信等），确保用户从任意入口发起任务时，上下文无缝衔接。 设计跨设备状态同步机制，解决本地 Agent 离线、切换设备等场景下的体验连续性问题。 记忆架构创新 研发多层记忆体系：个人记忆（偏好、习惯）、团队记忆（项目上下文、共享知识）、会话记忆（当前任务状态），解决超长上下文中的信息遗忘与注意力发散问题。 设计记忆的权限隔离机制，确保个人隐私数据与团队共享数据的安全边界。 团队级 Agent 协作 探索 Agent-to-Agent 通信协议，实现任务委派、知识汇聚、审批链流转等多人协作场景。 设计群场景下的共享 Agent 交互范式：多人共用一个 Agent 时的意图消歧、权限控制与记忆归属。 工具生态集成 开发 Agent 工具调用层，对接搜索、代码解释器、浏览器自动化、沙盒环境及第三方 API/MCP 协议。 设计工具调用的安全确认机制，针对不同风险等级（只读 vs 写入 vs 不可逆操作）实现差异化的用户授权策略。 垂直领域 Post-training 构建高质量指令微调数据集与自动化数据管线，通过角色化、拟人化与个性化训练，增强模型的领域适配能力。 针对办公协作场景（邮件、日程、文档、审批）定制 Agent 行为规范与评估标准。 评测体系与模型优化 设计科学的量化评估框架，覆盖单 Agent 任务完成率、多 Agent 协作效率、跨设备体验连续性等维度。 参与大模型预训练/后训练全流程，包括数据清洗与合成、分布式训练策略优化、推理加速及部署落地。 前沿技术探索 跟踪 AI Agent 最新进展，重点关注分布式 Agent 系统、Agent OS、端云协同等方向的学术与产业动态

学历背景 ：计算机、人工智能、机器学习等相关专业全日制在读硕士或博士，2027年毕业。 编程与工程能力 ：扎实的 Python/C++ 基础，熟悉大模型数据构建、训练、评测、部署及原型开发全流程。 技术理解 ：了解智能体关键技术栈，包括但不限于：任务规划与编排（Task Planning & Orchestration）、工具调用（Function Calling / MCP）、上下文工程与长上下文管理（Context Engineering）、多层记忆机制（Short/Long-term Memory）、检索增强生成（RAG）、多 Agent 通信与协作、隐私安全控制与数据权限隔离、端云混合执行架构等。 系统设计意识 ：对分布式系统、客户端-服务端协作、数据权限模型有基本认知，能从架构层面思考 Agent 的工程实现。 综合素质 ：优秀的分析问题能力与团队协作精神，对 AI 前沿技术保持强烈好奇心与自驱力。 加分项 有大模型训练/推理实践经验，熟悉数据合成与筛选、模型微调、提示词工程、高效推理部署等。 有实际 Agent/Copilot/自动化工具开发经验，尤其涉及多工具编排、浏览器自动化或多端适配。 有分布式系统、RPC/消息协议、端云协同架构的工程经验。 在顶会（NeurIPS、ICML、ICLR、ACL、EMNLP 等）发表论文或有知名开源项目贡献。 有竞赛获奖经历