1、构建电商Agent核心大脑并追踪前沿技术：探索主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，构建稳定可靠的Valley-Agent基座，重点提升任务的自动规划与调度、工具调用、多模态交互及深度研究能力；持续追踪AI Agent领域的最新进展，引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在国际电商治理场景的创新应用； 2、打造电商场景Skills工具集：基于电商业务系统，构建和优化一系列高性能、可复用的Skills；这包括利用小尺寸模型打造支撑高QPS场景的基础模型工具集，也包括将复杂的业务SOP（标准作业程序）封装为稳定可调用的治理Agent（如审核、RCA、立规Agent）； 3、研发与优化Agentic RL：基于主流Agent框架，并结合Post-training技术（SFT/RLHF）与强化学习（PPO/GRPO）对模型进行持续优化，建立电商大模型的Agentic RL训练体系，提升模型在复杂问题上的准确率与动态反思能力； 4、探索Agent自动化与自进化：结合Auto-Workflow与多智能体系统（MAS），一方面支持工作流的自动生成与优化，另一方面探索基于Agentic RAG和Memory机制的自进化（Self-Evolution）闭环，让Agent能够从真实交互数据中学习，持续提升其决策与执行能力； 5、构建稳定可靠的Agent基础设施：负责Agent系统的性能与稳定性优化，包括资源利用、QPS、成本控制、环境交互速度等，并沉淀通用能力，构建包含可观测性与权限体系的Agent Infra，保障系统的安全可控

1、精通Python编程，具备生产级应用的开发经验，熟悉Linux开发环境，并对数据结构和算法有深入理解； 2、熟悉至少一种主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，并有实际项目经验； 3、深刻理解大模型（LLM）与AI Agent的核心原理，熟悉主流Agent架构（如ReAct/PlanAct）、多智能体系统（Multi-Agent）及上下文工程与记忆（Context Engineering/Memory）等概念； 4、具备AI算法背景，对SFT、RLHF等Post-training技术有深入了解，有针对性优化模型能力的实践经验者优先； 5、具备出色的技术沟通、项目管理和跨团队协同能力，能够撰写清晰的技术文档、教程和示例代码； 6、对技术充满热情，具备优秀的分析和解决问题能力，能够主动追踪前沿技术并探索其在业务中的应用。