岗位职责
1. 负责AI Agent系统的架构设计、开发与优化，确保系统的稳定性和可扩展性
2. 参与Agent项目的全生命周期开发，包括需求分析、技术方案设计、编码实现及测试部署
3. 设计和实现基于LLM的智能对话系统、任务规划与执行引擎
4. 负责后端API服务的开发与维护，保证接口的高性能和高可用性
5. 与产品、算法团队协作，将AI能力有效集成到业务场景中
6. 优化Agent的推理效率、响应速度和准确性
7. 编写技术文档，参与代码审查，保证代码质量
任职要求
必备条件
1. 项目经验：至少独立参与过1个完整的Agent项目，能够清晰阐述项目架构和技术实现
2. 后端框架：熟练掌握FastAPI或Flask框架，具备RESTful API设计与开发经验
3. Agent框架：熟练使用LangChain、LlamaIndex等主流Agent开发框架，能够基于框架源码进行二次开发和定制化扩展
4. Prompt工程：具备扎实的Prompt Engineering能力，能够针对不同场景设计和优化提示词，提升Agent的任务完成质量和准确性
5. 数据库：熟练使用MySQL、PostgreSQL、Redis、MongoDB等数据库
6. 作经验：2年及以上Python后端/Agent开发经验
优先条件
1. RAG系统：具有检索增强生成(RAG)系统的设计与实现经验，熟悉向量数据库(如Pinecone、Milvus、Qdrant、Chroma等)
2. Multi-Agent：有多智能体协作系统开发经验，熟悉Agent间的通信机制和协调策略
3. LLM应用：深度使用过主流大语言模型(GPT、Claude、LLaMA等)的API，有丰富的模型调优和参数配置经验
4. 源码贡献：对LangChain、LlamaIndex等开源框架有源码级的理解，有过Pull Request或Issue贡献
5. Function Calling：熟悉Tool Use、Function Calling等Agent核心技术的实现原理
6. 性能优化：有Agent系统性能调优经验，包括推理加速、并发优化、缓存策略等
技能要求
- 编程语言：精通Python，代码规范良好，熟悉面向对象和函数式编程
- AI/ML基础：了解机器学习、自然语言处理的基本概念和原理
- 工具链：熟悉Git版本控制、CI/CD流程
- 问题解决：具备良好的问题分析和解决能力，能够独立排查和修复线上问题
- 学习能力：对AI技术保持热情，关注行业动态，具备快速学习新技术的能力
- 代码质量：注重代码可维护性，能够编写单元测试和集成测试
加分项
- 有开源项目贡献或个人技术博客
- 参与过大规模Agent系统的架构设计
- 有Few-shot Learning、Chain-of-Thought等先进Prompt技术的实践经验
- 深入理解Agent的Memory机制、Planning策略、Reflection反思等核心模块
- 了解强化学习、知识图谱在Agent中的应用
- 有AI产品从0到1的完整落地经验
- 熟悉AutoGPT、MetaGPT、CrewAI等其他Agent框架
- 有向量检索、Embedding模型微调经验