负责下一代企业级多智能体（Multi-Agent）系统的顶层设计与落地，打通「平台-框架-模型-场景」全链路，打造可复用、可编排、可观测的AI Agent基础设施，让业务团队能快速实现智能办公、智能家居等半自动、全自动化智能体。 （1）架构设计 • 基于 Agno、AutoGen-GraphFlow、Magentic-UI、Claude Desktop 等产品逻辑，设计高扩展的多智能体协作框架； • 制定 Agent 通信协议（消息总线、状态同步、生命周期管理）、任务调度策略（DAG/Graph/Chain）与可观测体系（Trace、Metrics、Logging）。 技术选型与实现 • 选型并二次封装至少一种 AI 框架（TensorFlow / PyTorch / LangChain / LlamaIndex），建立统一的模型接入层； • 落地 RAG（向量+关键词+图检索）、大模型记忆机制、多智能体有向图控制 （2）平台化与工具链 • 将上述能力沉淀为可插拔组件，发布到内部 Agent Marketplace； • 建设一键式 CLI & GUI（参考 Claude Desktop 插件机制），让产品、运营同学 0 代码配置复杂 Agent 流程。 （3）性能与治理 • 建立大模型推理性能基线与成本模型，推动量化、投机解码、分布式推理优化； • 制定 AI 安全与合规规范（PII 脱敏、敏感词过滤、对齐评估）。

8 年以上后端或算法工程经验，其中 2 年以上多智能体 / LLM 系统架构经验； 熟练使用Agno、 AutoGen-GraphFlow、Magentic-UI、Dify、N8N、Claude Desktop 中至少 3 个，能阐述其核心数据流与插件机制； 精通 Python / TypeScript，熟悉 LangChain 或 LlamaIndex 源码级改造； 亲手落地过基于 RAG 的知识库问答系统（百万级文档、千级 QPS），并能展示端到端指标（Recall@K、Latency、Cost）； 熟悉 DeepSeek、Qwen、Mini-CPM 的模型结构、量化方案及 API 差异，能针对业务场景做模型选型。 1、极致的产品感与用户洞察力： 能设计出既强大又 intuitive 的智能体交互体验。 2、系统思维与逻辑能力： 能够拆解复杂任务，设计高效、可靠的智能体工作流。 3、强大的自驱力和好奇心： 对AI技术充满热情，能主动学习并快速掌握日新月异的技术和工具。 4、拥有计算机科学、人工智能等相关领域的硕士或博士学位，8年以上技术开发经验，其中至少3年担任技术负责人（Tech Lead, CTO或架构师）角色，有从0到1领导复杂系统搭建的成功经验。