工作职责： 1、负责面向搜索、问答、推荐及复杂任务场景的 AI Agent 应用研发，覆盖终端、BFF 与 Agent Server，从需求分析、方案设计、工程实现到上线迭代形成端到端闭环。 2、建设终端侧 Agent 交互与运行能力，支持多轮对话、流式生成、工具执行状态展示、任务中断与恢复、用户确认、异常兜底及跨页面连续体验，持续优化首屏响应、交互延迟和终端稳定性。 3、负责终端环境上下文的采集、治理与注入，将当前页面、内容对象、用户选中信息、操作状态、任务进度、设备能力、权限、网络状态和应用版本等信息，经过标准化、裁剪、压缩与安全过滤后注入 Agent，提升模型对“用户当前所处环境”的理解和执行准确性。 4、计多轮模型交互的上下文工程体系，覆盖消息构造、历史筛选、Token 预算、上下文压缩、会话与任务状态隔离、短期与长期记忆，以及 RAG 和工具结果的组织与回填。 5、设计和研发面向 AI 应用的 BFF，完成终端协议适配、会话管理、上下文聚合、模型与工具编排、流式传输、多模态输入输出、状态同步、灰度实验、降级兜底及跨端一致性建设。 6、探索从 BFF 到生成式 UI 的新型交互链路，建设 Schema / DSL、组件注册与动态渲染机制，使模型能够根据任务状态生成结构化界面、操作建议和交互组件；同时完善协议校验、组件白名单、权限控制、埋点反馈及确定性 UI 降级能力。 7、设计和实现 Agent 核心执行链路，包括任务规划、ReAct 推理循环、模型与工具交替执行、状态流转、超时重试、异常降级和结果溯源，并建设可扩展的 Tool 注册、参数校验、并行调度与调用追踪体系。 8、建立端到端质量保障与可观测体系，覆盖终端行为、BFF、模型推理、上下文、RAG、工具调用和生成式 UI，建设离线评测、过程评测、线上指标、Bad Case 归因、链路追踪和性能优化机制。 9、与产品、设计、算法、终端和服务端团队协作，将模型能力、业务工具和交互创新整合为可持续迭代、可规模化复用的 AI 应用能力。

1、本科及以上学历，计算机、软件工程、人工智能等相关专业，具备约 3 年终端、后端或 AI 应用研发经验，并具备端云协同的系统视角。 2、熟悉至少一种终端技术栈，如 iOS、Android、Web 或跨端框架；同时熟练掌握 Java、Go、Python、TypeScript 中至少一种服务端语言，具备良好的数据结构、网络、并发和工程基础。 3、熟悉终端应用生命周期、页面与路由状态、网络通信、权限与系统能力调用，能够处理弱网、前后台切换、流式渲染、状态恢复和性能优化等实际问题。 4、具备 BFF 或复杂服务端系统研发经验，理解 API 聚合、协议设计、会话状态、异步任务、缓存、幂等、限流、熔断、降级及可观测性等生产工程问题。 5、熟悉 LLM 应用开发范式，理解 Prompt Engineering、RAG、Embedding、Tool / Function Calling、ReAct、结构化输出和流式推理等核心概念。 6、具备 AI Agent 项目实践，能够独立完成上下文管理、多轮模型交互、任务编排、工具调用、终端接入或 BFF 中一个或多个核心模块的设计与开发。 7、理解上下文工程的关键约束，能够围绕不同页面和终端环境设计上下文采集、语义建模、优先级、Token 预算、压缩、隐私过滤及 Agent 注入方案。 8、对 Schema 驱动 UI、Server-Driven UI 或 Generative UI 有理解和实践兴趣，能够在模型生成的灵活性与终端渲染的安全性、确定性、性能之间做出合理设计。 9、具备良好的问题抽象、沟通协作和工程落地能力，能够从业务目标出发完成方案拆解、研发交付、效果评测和持续迭代。 加分项： 1、有端侧智能助手、系统级入口、跨页面任务、端云协同或多模态交互的研发经验。 2、有 Schema / DSL、动态组件、Server-Driven UI、Generative UI 或模型驱动交互协议的实际设计与落地经验。 3、有 MCP、A2A、Multi-Agent、Agent as Tool、工作流引擎或任务调度系统的实践经验。 4、有 AI 应用全链路流量压测经验，能够覆盖终端接入、BFF、Agent 编排、模型推理、上下文处理、RAG 和 Tool 调用链路，并围绕吞吐量、首 Token 延迟、P95 / P99、成功率及资源成本完成瓶颈分析与优化。 5、有 Agent Eval、LLM-as-a-Judge、执行轨迹分析、Bad Case 自动归因或评测平台建设经验。