1.智能体设计与研发：主导面向复杂开发场景的编程智能体架构设计，使其能够理解高级自然语言指令，并自动生成基于底层算法库的高质量封装函数。构建可扩展、可复用的智能体能力平台。 2.前沿技术探索与应用：持续追踪 NLP、代码生成、多模态理解等 AI 前沿技术，将学术界最新成果转化为工程生产力，不断提升智能体的代码理解、生成与逻辑推理能力。 3.知识工程与数据基建：负责智能体知识库的体系化构建，对海量技术文档、API 手册、代码库进行自动化清洗、结构化处理和向量化存储，构建可跨领域复用的企业知识基座。 4.行业专家协作与知识萃取：联动外部及内部行业专家、业务专家，开展行业知识、业务经验与专业方法论的萃取、梳理与沉淀，形成标准化、可被 AI 理解与复用的行业知识体系，支撑 AI 能力在垂直领域深度落地。 5.AI 安全与风险控制：建立 AI 研发全流程安全与风控机制，负责模型安全、数据安全、生成内容合规性、权限管控与风险评估，建立 AI 安全评审与监控体系，保障 AI 系统稳定、安全、合规运行。 6.跨团队协作与赋能：与公司各产品线（包括但不限于内核、软件研发、测试团队）紧密合作，深入理解不同业务场景的 API 设计思想和数据结构，确保智能体能力能够平滑注入各条产品线。定期进行技术分享和趋势研判，为团队引入新技术、新思路，保持产品的技术领先性。 7.评估体系与质量保障：建立完善的智能体评估与测试体系，负责集成测试、性能调优和故障排查，确保智能体在各类复杂业务场景下的高可靠性与高效率。

1.学历背景：计算机科学、软件工程、人工智能、数学等相关专业，硕士及以上学历优先。 2.行业视野：不限行业背景，需对 AI 领域有持续的热情和深刻的认知，始终保持对技术前沿的敏锐度。 3.技术功底：具备极其深厚的 Python 编程能力，有从 0 到 1 构建复杂 AI 智能体或自动化系统的实战经验。熟练掌握上下文工程，Harness engineering。 4.AI 技术深度：对 RAG、Prompt Engineering、函数调用、SFT、RLHF 等技术有深入理解和实际应用经验，能够根据业务场景选择最合适的技术方案。 5.数据处理能力：具备优秀的非结构化 / 半结构化数据处理能力，熟悉从数据采集、清洗、筛选到向量化的完整流程，有构建大规模领域知识库的经验。 6.AI 安全与风控意识：了解 AI 安全、数据安全、内容合规相关要求，具备 AI 安全风险识别、评估与治理意识，有相关实践经验优先。 7.跨团队影响力：优秀的沟通与协作能力，能够与不同产品线的业务专家和工程团队高效对话，将 AI 能力转化为各团队的实际生产力。 8.技术热情与自驱力：强烈的技术热情和自我驱动力，具备在快节奏、高不确定性环境中持续学习和探索的能力，始终站在 AI 发展的潮头。