Agent专家
职位描述
该职位来源于猎聘 Agent架构规划与落地:负责保险核心业务(核保、理赔、健康管理等)场景下的大模型Agent系统架构设计。基于 LangGraph、AutoGen 等框架,设计并落地 Multi-Agent 协作、长链路任务编排(Plan-and-Execute / ReAct),解决复杂业务场景的自动化难题。 全链路工程化与合规治理:主导 Agent 运行时的工程化建设,包括工具调用(MCP / Function Calling)的标准化接入、沙箱隔离、异常重试与降级策略。针对金融保险的强合规要求,设计 HITL(人在回路)审核流与安全护栏,确保系统运行的确定性与可溯源性。 企业级 RAG 与知识库建设:基于大模型能力,打通医疗知识库与保险业务系统。主导文档解析、混合检索(向量+BM25)、重排序及 Query 改写,有效解决模型幻觉与长文本上下文污染问题。 SDD(规范驱动开发)与 AI 提效:深度使用 Cursor / Claude Code / GitHub Copilot 等 AI 工具链。制定团队 AI 辅助研发规范,对 AI 生成的代码进行严格的架构审查、安全扫描与性能优化,推动团队研发效能的系统性提升。 效果评测与迭代:建立完善的大模型及 Agent 评估体系(Evals),围绕任务完成率、工具调用准确率、响应延迟及 Token 成本等核心指标,驱动产品和架构的持续演进。 任职要求 经验门槛:本科及以上学历(985/211或海外QS前100优先),计算机、人工智能等相关专业。5年以上后端/AI开发经验,其中至少2年以上大模型(LLM)及 Agent 生产级项目落地经验。 技术栈:熟悉 Python / Java / TypeScript 中的至少一门,能根据场景(模型集成、高并发运行时、交互界面)进行合理的技术选型与混合架构设计。 Agent 核心机制:深刻理解 Agent = Model + Harness 的理念。对 Function Calling、MCP 协议、ReAct 模式、多智能体状态同步有深度实战经验;熟悉 RAG、向量数据库及 Prompt 工程体系。 金融级工程素养:具备极高的代码质量与安全意识。理解金融/医疗场景下 AI 错误的高风险性,不盲信 AI 生成的代码,有丰富的代码审查(Code Review)与安全治理经验。 综合软素质:具备优秀的跨团队沟通与向上管理能力,能与业务方、算法团队及前端团队高效协同,具备将模糊业务需求转化为清晰技术架构的操盘能力。
对这个职位感兴趣吗?