1 核心基础设施架构设计与开发 1.1 主导Agent核心组件的架构设计、开发与优化，重点攻克工具编排引擎（Tool Orchestration）、记忆管理系统（Memory Persistence）、上下文压缩与状态机（Context Compaction/State Machine）、输出验证与错误恢复机制四大核心模块，确保组件的高可用性、低延迟与可扩展性。 1.2 设计并实现多会话状态持久化架构，支持智能体跨会话、跨节点、跨场景的工作记忆与任务进度同步，保障智能体任务执行的连续性与一致性。 1.3 开发确定性安全网关，保障智能体运行的安全性与合规性。 1.4 负责核心代码的重构、性能调优与技术债务清理，建立代码规范与质量管控体系，确保核心模块的可维护性与可扩展性，支撑平台的长期迭代。 2 多智能体协作平台架构设计与开发 2.1 构建支持大规模多智能体编排（Multi-Agent Orchestration）的分布式平台，实现智能体的注册、发现、生命周期管理、任务分配、冲突调解与高效协作通信，支撑千级以上智能体的并发运行。 2.2 设计并实现灵活可扩展的智能体间通信协议，支持Hub-Spoke中枢调度、Peer-to-Peer自主协商、发布-订阅等多种通信模式，适配不同业务场景下的复杂流程拆解、并行执行与依赖协同。 2.3 开发长时程推理（Long-horizon Reasoning）支持框架，解决多智能体协作中的任务依赖、执行同步、全局状态一致性、异常重试等问题，支撑数小时、数天级的复杂任务自主完成。 2.4 探索多智能体协作优化策略，结合强化学习、博弈论等技术，优化任务分配效率与协作成功率，降低系统资源消耗，提升智能体整体执行效能。 3 模型服务化与推理优化 3.1 开发模型路由与负载均衡系统，支持多模型（开源模型、商用模型）的无缝切换、Fallback策略配置、A/B测试与灰度发布，实现模型即插即用（Model as Pluggable Component）。 3.2 设计并实现Prompt版本管理、模板引擎与动态注入系统，支持Harness层的Prompt工程自动化、参数调优与效果追溯，降低Prompt开发与维护成本，提升智能体决策准确性。 4 工具生态建设 4.1 构建标准化的工具市场（Tool Marketplace）与工具接入框架，支持异构工具的统一注册、适配、调用与管理。 4.2 开发工具执行沙箱、结果校验器与智能重试机制，隔离工具调用风险，校验执行结果的准确性，处理网络异常、接口超时、返回格式错误等问题，确保工具调用的可靠性与安全性。 4.3 负责工具生态的迭代与维护，对接业务团队需求，拓展工具覆盖范围，优化工具调用性能，建立工具质量评估体系。 5 可观测性与Harness工程化 5.1 构建智能体全链路可观测体系，覆盖决策路径追踪（Trace）、工具调用链、Token消耗监控、成本归因分析、错误日志收集、性能指标监控等核心场景，实现问题的快速定位与根因分析。 5.2 实现Harness层的持续优化闭环，通过捕获Agent失败案例、自动归因分析、生成约束规则、注入下次会话等流程，让系统具备自我进化能力，持续提升智能体执行成功率与稳定性。 5.3 开发"垃圾回收Agent""合规校验Agent"等元智能体能力，定期扫描系统漂移、架构违规、过期约束、冗余资源等问题，维护大规模代码库与工作流的长期健康。 5.4 推动Harness工程化落地，建立CI/CD流水线、自动化测试体系、灰度发布机制，实现平台版本的快速迭代、安全发布与风险可控。 6 技术沉淀与规范建设 6.1 为每一个开发的平台模块编写完整的技术文档，包括架构设计、接口说明、部署手册、运维手册，输出《技术方案设计文档》。 6.2 将开发过程中沉淀的通用组件、工具函数等贡献至团队共享组件库，每季度至少沉淀3个可复用组件，每半年组织一次内部技术分享，围绕Agent平台最佳实践、踩坑经验与新技术探索等主题，促进团队技术成长。

1. 硕士及以上学历，计算机科学、软件工程、人工智能、电子信息等相关专业，具有AI Agent平台或大模型基础设施开发经验。 2. 8年以上后端/基础架构开发经验，精通Go/Java/Python中至少两种编程语言，具备扎实的代码功底与编程规范意识，能独立完成复杂模块的设计与开发。 3. 深入理解分布式系统核心原理，熟练掌握一致性协议（如Raft/Paxos）、消息队列（Kafka/NATS/RabbitMQ）、服务发现、负载均衡、熔断降级、限流等核心技术，有高并发、高可用分布式系统设计与实现经验。 4. 精通K8s/Docker微服务架构，具备云原生大规模集群的部署、运维与优化经验（AWS/Azure/GCP/阿里云），能熟练使用Terraform、Helm等云原生工具；熟悉Redis、PostgreSQL、MongoDB等主流数据库，具备数据库性能调优与数据一致性保障经验。 5. 熟悉LLM应用架构，深入理解RAG、Function Calling、ReAct/CoT、Agent Memory等核心概念；具备LangChain/LangGraph/AutoGen/Dify等至少一种Agent框架的二次开发或深度使用经验；了解模型服务化技术栈（vLLM/TGI/ONNX Runtime等）。 6. 具备良好的跨团队沟通能力、问题分析能力与团队协作精神，能快速理解业务需求，推动技术方案落地。 7.【优先条件】有AI Agent平台、LLM Ops工具链或类似AI基础设施从0到1建设经验；熟悉向量数据库（Milvus/Pinecone/Weaviate）、图数据库等AI原生存储技术；有多智能体系统开发经验；贡献过相关开源项目；具备DevOps/SRE经验，熟悉Prometheus/Grafana/ELK可观测栈；熟悉MCP协议、OpenAPI规范，有工具生态建设经验。 9. 良好的沟通、组织、协调能力；具备统筹优化能力；具备从系统工程视角思考Agent问题、通过架构约束实现永久性修复的能力。