1、Context Engineering 2、基于 ReAct / Reflexion 等模式设计具备“自主”处理“复杂逻辑”能力的 Agent，解决长链路业务问题。通过合理的 Context Engineering 提高 Agent 行为的可控性，降低 token 成本。 3、低延迟拟人化 Voice Agent 4、通过后训练实现高度拟人化、低延迟的语音对话 Agent，高效解决业务问题。

1、硬核工程能力 2、计算机相关专业，Python 功底扎实。 3、拥抱 AI 编程，期望你具备通过 AI 辅助实现 10 倍研发效率的能力。 4、有较好的分析问题、解决问题能力，能将复杂的业务需求转化为清晰的模型逻辑 5、模型训练基础，熟悉了解主流的 LLM 后训练（Post-training）逻辑和流程。 6、加分项熟悉文本-音频输入多模态模型的训练。在国内外顶级 AI 会议上发表过 NLP / LLM / Agent 相关论文。