大模型应用 / Agent 研发工程师

大模型应用 / Agent 研发工程师 工作职责 - Agent Harness 研发：完善工具调用、工作流编排、上下文管理、状态持久化、人工介入及异常恢复，提升复杂任务的执行稳定性。 - 知识库与记忆系统：参与文档解析、检索与重排、来源引用、知识更新，以及记忆的提取、存储、检索和管理。 - **业务 AI 工具开发：对接既有业务系统，开发 AI 工具能力，沉淀可复用的工具、Skill 和工作流。 - 效果评估与工程优化：建设测试和评测用例，分析失败案例，优化准确性、响应速度和调用成本，完善运行观测、数据权限和结果可追溯能力。 - AI 协作开发与质量把关：使用 AI 编程工具推进研发，审查生成代码的正确性、边界情况、权限风险和可维护性，对交付结果负责。 任职要求 - 具备良好的软件工程基础和 Python 开发能力，能够理解、审查、调试和修改代码，完成接口开发、数据处理及系统集成。 - 在大模型应用、Agent、RAG、知识检索、后端或数据工程等相关方向有实际项目经验。 - 理解大模型应用中的工具调用、结构化输出和上下文管理等基本机制，能够结合任务选择合适的实现方式。 - 能够熟练使用 Codex、Claude Code 或同类 AI 编程工具，合理拆解任务、提供上下文、检查实现并验证结果。 - 能独立分析问题、定位故障，具备测试意识和基本的数据安全意识，愿意学习业务知识，并与团队协作推进功能落地。 加分项 以下方向可根据个人专长有所侧重： - 熟悉 LangGraph、Deep Agents、MCP 或其他 Agent 框架，具备状态管理、工具集成、持久化或复杂工作流开发经验。 - 在 RAG、混合检索、重排、文档解析、上下文压缩、长期记忆或应用评测方面有深入实践。 - 有模型训练、微调或推理优化经验；熟悉数据构建、训练评测、解码优化或模型部署中的一个或多个环节。 - 有企业系统集成、复杂文档与表格处理、数据平台或应用部署经验。 - 能从具体业务流程中抽象对象、关系、状态、规则和动作，形成可复用的领域模型或工作流；了解本体建模或 Palantir Ontology 思想。 - 有技术型解决方案、客户工作流落地或 FDE 相关经验。