大模型应用算法工程师（Agent / Prompt / RAG / Harness）

1. 参与机器人语音交互 Agent 的设计、研发与持续优化，建设意图理解、任务规划、工具调用、上下文管理、记忆、异常恢复和多轮交互能力。

2. 负责 Prompt 体系建设，包括系统提示词、任务模板、上下文编排、结构化输出、版本管理、自动评测及效果优化。

3. 参与机器人文档中心 RAG 系统研发，负责文档解析、知识切分、索引构建、混合检索、召回重排、答案生成、引用溯源及权限控制。

4. 建设 RAG 评测与问题分析体系，持续优化召回率、回答准确性、知识时效性、幻觉率和端到端响应延迟。

5. 参与下一代 Harness 应用程序的维护与研究，建设面向智能体的运行环境、工具协议、上下文工程、任务执行、状态持久化、可观测性和评测机制。

6. 将模型能力接入真实机器人和业务系统，完成接口设计、服务部署、日志追踪、故障定位、性能优化及线上效果闭环。

7. 跟进 Agent、RAG、上下文工程、模型工具调用和智能体基础设施的前沿进展，推动研究成果在实际产品中落地。

8. 与机器人、语音算法、平台、文档和产品团队协作，定义可量化指标并持续提升用户体验。

1. 计算机、人工智能、软件工程、自动化或相关专业，本科及以上学历。

2. 熟练使用 Python，具备良好的工程基础，能够独立完成服务开发、调试、测试和部署。

3. 熟悉大语言模型应用开发，理解 Prompt Engineering、Function Calling、结构化输出、上下文管理和多轮对话机制。

4. 具备 Agent 系统实践经验，理解任务规划、工具编排、状态机、记忆、反思、重试和异常恢复等核心机制。

5. 熟悉 RAG 完整链路，包括文档解析、Chunking、Embedding、向量检索、关键词检索、混合召回、重排和生成。

6. 能够建立可复现的评测体系，具备数据集构建、指标设计、回归测试、错误归因和效果迭代能力。

7. 熟悉 Linux、Git、HTTP API 及常见服务开发方式，具备较强的问题定位和系统调试能力。

8. 具备良好的技术判断力和自驱力，能够将开放性问题拆解为可验证、可交付的工程任务。

★加分项

1. 有机器人、智能硬件、语音助手或实时交互产品开发经验。

2. 熟悉 ASR、TTS、VAD、全双工语音交互或流式音频处理链路。

3. 使用过 LangGraph、LlamaIndex、Dify、Coze、MCP 或类似 Agent/RAG 框架，并理解其实现原理和适用边界。

4. 有知识图谱、多模态文档解析、Query Rewrite、Graph RAG、Reranker或长期记忆相关经验。

5. 有 Agent Harness、代码智能体、沙箱执行、工具权限管理、轨迹采集或可观测平台建设经验。

6. 熟悉模型微调、蒸馏、强化学习或推理优化，能够结合应用问题判断是否需要进行模型侧改造。

7. 有开源项目、论文、技术博客或复杂 AI 应用的完整交付案例。