27届秋招-后端研发工程师（平台技术）

方向一 · Agent 运行环境与平台

1. 01

   参与 Agent 运行环境的设计与研发，为 Agent 执行代码、调用工具提供安全、稳定、高效的沙箱环境；

2. 02

   参与 Agent 平台的研发，包括任务规划与编排、会话与记忆管理、上下文工程等能力建设，支撑 Agent 稳定完成复杂任务；

3. 03

   参与大模型接入与评测体系的研发，统一管理多模型调用的效果、成本与稳定性，让 Agent 应用可度量、可优化；

4. 04

   参与企业知识库与工具生态的研发，通过检索增强（RAG）、工具调用（MCP）等方式，让 Agent能安全地使用企业数据与内部系统。 方向二 · 策略平台与在线引擎

5. 01

   参与一站式策略平台的设计与研发，深度集成 A/B实验、模型训练与推理、特征工程等能力，支撑定价、补贴、派单等核心业务策略从开发、验证到上线运行的全流程快速迭代；

6. 02

   参与在线策略引擎的研发，支撑核心业务策略的配置、发布与稳定运行，保障大流量下策略执行的高性能与高可用；

7. 03

   参与模型训练推理服务与实时特征链路的研发，处理在线亿级实时事件，参与乘客、司机、订单多维度业务特征的存取与计算，为策略和算法迭代提供一体化的算力与数据支撑；

8. 04

   参与策略仿真与风险防控体系的研发，帮助策略在上线前预判效果、上线后及时发现和处理异常

1、2027 届毕业生，本科及以上学历，计算机等相关专业优先；

2. 02

   编程基础扎实，熟练掌握至少一门开发语言（Golang / Python / Java / C++ 等），熟悉常用数据结构与算法，了解 MySQL等数据库、操作系统、计算机网络等基础知识；

3. 03

   沟通协作能力强，求知欲与自驱力强，积极主动、不怕困难。 方向一 · Agent 平台 - 对大模型与 Agent 技术有强烈兴趣，理解 LLM 应用基本概念（上下文工程、Function Calling、RAG 等），有调用大模型 API或使用 AI 编程工具的经验； - 加分：有 Agent / RAG / 大模型应用方向的项目或互联网实习经历；熟悉 Docker、K8s 等云原生技术；有开源贡献或技术博客。 方向二 · 策略平台 - 了解分布式系统、负载均衡、容灾与高可用，对大流量在线系统的稳定性与性能优化有兴趣； - 具备算法工程基础素质：了解机器学习； - 基本原理与模型训练 / 推理流程，有概率统计基础，理解数据驱动的策略迭代方式； - 加分：有机器学习平台 / 策略系统 / 大数据（Flink、Spark）方向的项目或互联网实习经历，熟悉 PyTorch等训练推理框架或有模型部署经验；有 ACM/ICPC 等算法竞赛获奖经历