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，参与从需求分析、方案设计、工程实现到上线迭代的完整流程。 2、设计和实现 Agent 核心执行链路，包括任务规划、ReAct 推理循环、状态流转、模型与工具交替执行、异常处理及结果生成等模块。 3、建设可扩展的工具调用体系，完成 Tool 的统一注册、参数校验、并行调用、超时重试、异常降级及调用结果追踪。 4、负责多轮对话与模型交互的上下文工程，包括消息构造、历史筛选、Token 预算、上下文裁剪与压缩、状态隔离、短期与长期记忆，以及 RAG 检索结果的组织与回填。 5、推进大模型应用工程化，覆盖 Prompt 模板管理、模型与流程路由、流式输出、模型降级、缓存策略、灰度实验和效果分析。 6、建立 Agent 质量保障机制，建设离线评测集、过程评测、端到端评测、Bad Case 归因和线上指标监控，持续提升应用效果与可靠性。 7、持续优化 AI 应用的性能与稳定性，完善限流、熔断、重试、降级、链路追踪和异常监控机制，保障高并发场景下的服务质量。 8、与产品、算法及横向研发同事协作，将模型能力、业务工具和产品交互整合为可持续迭代的 AI 应用。

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年后端或 AI 应用研发经验。 2、熟练掌握 Java、Python、Go 中至少一种编程语言，具备良好的数据结构、网络、并发编程及后端工程基础。 3、熟悉 LLM 应用开发范式，理解 Prompt Engineering、RAG、Embedding、Tool/Function Calling、ReAct 等核心概念。 4、具备 AI Agent 项目实践，能够独立完成任务编排、工具调用、上下文管理、多轮对话等一个或多个核心模块的设计与开发。 5、熟悉 LangGraph、LangChain、Spring AI、Dify、Coze 等框架或平台中的至少一种，并理解其核心设计思路，而非仅停留在 API 调用层面。 6、具备分布式系统设计基础，理解超时、重试、幂等、熔断、限流、降级及可观测性等生产工程问题。 7、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。 8、技术驱动，持续关注大模型与 AI Agent 领域的发展，能够结合业务场景形成自己的技术判断。 加分项： 有 Planning、Multi-Agent、Agent as Tool、工作流引擎或任务调度系统的实践经验。 有搜索、推荐、知识问答、交易决策或复杂任务型 AI 应用经验。 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。 具备 AI 应用全链路流量压测经验，能够覆盖应用接入、Agent 编排、模型推理、上下文处理、RAG 检索及 Tool 调用链路，并围绕并发量、吞吐量、首 Token 延迟、TP99、成功率和工具耗时完成瓶颈分析与性能优化。 熟悉向量数据库、语义缓存、模型微调、数据合成或训练数据闭环。 了解 MCP、A2A 等 Agent 工具与通信协议，并有实际接入经验