AI Agent 架构师/专家

【岗位概述】 本岗位为核心技术架构岗，主要负责游戏A/B实验场景下生产级LLM Agent系统的整体架构设计与工程落地。岗位核心目标是将游戏A/B实验智能化业务愿景，落地为高性能、高可用、可规模化的工程系统。员工将主导基于大语言模型的多智能体（Multi‑Agent）协作框架的设计与迭代，支撑公司数千个游戏项目的并发实验分析、智能代码生成、自动化实验运营等核心需求，持续提升游戏AB实验全流程智能化与自动化能力。 【核心工作职责】 1. 多智能体（Multi‑Agent）系统架构设计与落地 负责生产级Multi‑Agent整体架构的规划、设计与迭代，搭建可协同、可扩展的智能Agent工作体系，实现实验智能设计、实验代码自动生成、实验数据智能分析等模块的高效协同联动。搭建高性能企业级RAG系统，完成TB级游戏实验知识库、代码知识库的结构化管理与智能检索。设计并落地Agent之间的高效通信机制与自动化任务编排体系，优化多智能体协作效率。搭建完善的故障隔离、熔断降级与容错机制，保障整体系统达到99.9%高可用标准。 2. LLM工程化体系优化与成本管控 针对大模型线上业务场景，设计精细化、分层化的智能缓存策略，有效降低LLM接口调用成本，目标实现80%调用成本优化。搭建智能模型路由调度系统，可根据任务复杂度、资源负载、场景优先级动态匹配合适模型，实现算力资源高效利用。构建标准化、可版本化、可迭代的Prompt工程框架，统一业务Prompt规范，实现Prompt的统一管理、迭代沉淀与复用，提升模型输出稳定性与准确性。 3. 大规模生产系统可靠性建设 设计分布式Agent集群部署架构，支持服务水平横向扩容，满足大规模游戏项目并发访问需求。搭建全链路监控、日志分析与智能告警体系，实现系统故障、性能瓶颈、异常调用的实时感知与快速定位。搭建面向Agent能力的A/B测试迭代框架，通过常态化灰度、对照实验持续优化Agent推理性能、输出效果与响应时延。建立完善的数据安全与隐私保护机制，规范数据采集、检索、生成全流程权限与风控，保障业务数据合规安全。 4. 工程体系建设与团队技术管理 负责制定LLM工程化、Agent开发、线上部署等全套技术规范与实践标准，统一团队研发标准。推动团队DevOps体系建设，完善CI/CD自动化流水线，实现开发、构建、测试、部署、上线全流程自动化。统筹技术选型、架构演进、技术风险预判与优化升级，保障系统长期可迭代、可维护、可扩展，支撑业务规模化增长。 【任职资格要求】 1. LLM工程化与大模型应用能力 - 精通主流LLM推理框架，具备vLLM、TensorRT‑LLM、llama.cpp深度性能调优与落地优化经验； - 熟练掌握大模型量化技术（GPTQ、AWQ、GGUF），精通模型并行、张量并行等分布式部署方案； - 熟悉Flash Attention、Paged Attention、连续批处理等核心优化技术，具备低延迟、高吞吐大模型服务优化经验； - 熟练掌握LangChain、LlamaIndex、DSPy等主流框架，具备大规模、工程级LLM应用项目落地经验。 2. 向量检索与Embedding技术能力 - 熟练掌握Weaviate、Qdrant、Milvus等主流向量数据库的生产环境部署、调优与运维； - 精通HNSW、IVF、LSH等检索算法原理与参数调优，可针对海量知识库场景优化检索精度与速度； - 具备向量检索+全文检索融合的混合检索方案设计与落地能力； - 能够完成自定义Embedding模型的训练、微调与工程化部署，适配业务专属检索场景。 3. 分布式系统工程能力 - 精通微服务架构体系，熟练使用Kubernetes、服务网格、API网关完成分布式服务治理； - 熟练运用Kafka、RabbitMQ、NATS等消息中间件，具备高吞吐、高可靠消息队列架构设计经验； - 熟悉各类分布式存储特性，可根据业务场景完成存储选型、架构设计与性能优化； - 具备完善的可观测性体系搭建能力，熟练使用Prometheus、Grafana、分布式追踪工具完成全链路监控。 4. 必备项目经验 - 主导过生产级AI/LLM系统的整体架构设计、技术落地与迭代优化； - 具备大规模大模型应用的线上生产部署、性能调优、成本优化、稳定性保障实战经验； - 独立搭建或主导过复杂Multi‑Agent智能系统、智能化工作流引擎的落地项目。 【加分项】 - 主流开源LLM框架、Agent框架核心贡献者； - 拥有游戏行业后端系统、游戏实验平台研发架构经验； - 深耕低延迟、高并发分布式系统优化，具备大规模线上系统调优经验； - 具备大规模行业知识图谱构建、治理与应用落地经验。