AI Agent开发工程师

架构演进

• 持续迭代 AI Agent 应用架构与研发流程，主导设计 Agent 运行时、任务编排、工具调用、上下文管理、记忆体系与安全策略
• 建设覆盖前端、Node/BFF、后端服务、模型服务与 CI/CD 的全栈研发基础设施
• 结合 Neo4j 构建知识图谱，结合 Milvus 等向量数据库构建 RAG 与语义记忆能力

效能与质量

• 关注任务完成率、错误恢复率、首响时延、Token 成本、调用成功率等关键指标
• 建立 Agent 评估与管控体系，覆盖功能评测、回归测试、行为对齐、安全合规、灰度发布与线上监控
• 具备工程债务识别与治理能力，能对历史模块、接口协议、数据链路和技术栈进行系统性重构

Harness Engineering

• 实践 Harness Engineering 理念，建设覆盖 Prompt、上下文、工具调用、结果校验、回归评测与安全策略的可执行 Harness 体系
• 将 Agent 运行时、评估基准、灰度发布、可观测性与 CI/CD 集成，形成模型、Prompt、工具与业务代码的可持续演进闭环
• 推动 AI 覆盖需求拆解、代码生成、测试、Review、发布、监控与告警的全流程

AI 原生工程实践

• 深度实践 Agent Loop、Function Calling、MCP、RAG、多模态感知与 Agent 编排技术
• 设计 Agent 工程脚手架，包括 Prompt 规范、上下文工程、Embedding 策略、工具协议与评测基准
• 规划规划 Agent、执行 Agent、知识 Agent、评估 Agent 的多 Agent 协作机制，探索“数字员工”的实际业务价值

团队建设

• 制定 AI Agent 开发规范，把控 Code Review，指导新人成长
• 沉淀团队级 AI 工程最佳实践、知识库资产与工具链选型

基础要求

• 本科及以上学历，计算机、人工智能、软件工程等相关专业
• 5 年及以上 Web 全栈、前端、后端或终端应用开发经验，1 年及以上 AI Agent、大模型应用或知识库系统经验优先
• 熟悉大模型推理、Prompt Engineering、Agent Loop、Tool Use、MCP、RAG、上下文工程与模型评估方法
• 有 Neo4j / 图数据库、Milvus / Qdrant / FAISS 等向量数据库实践经验，理解知识图谱、Embedding、Hybrid Search 与 Agent Memory 的工程落地方式
• 精通 TypeScript、Java、Python、Kotlin、Swift 等至少一门开发语言
• 对性能优化、内存管理、并发调度、安全隐私、端云协同有系统化认知
• 具备长远规划能力，能够在复杂业务与快速演进的技术环境中推动方案落地

软性素质

• 强自驱力与自学能力，对 AI Agent、端侧智能和前沿技术保持持续热情
• 执行力强，沟通协作顺畅，注重效率，能够深刻影响周围的人
• 能够在模糊环境中自主判断方向，快速验证并推进规模化落地

用先进生产工具激发生产力：
Claude Code、Codex 等 AI 工具全面开放使用，核心业务场景落地，不是 Demo 实验。
你既深度使用 AI 提效，也参与构建下一代 AI Agent 基础设施。

核心业务，有挑战的技术土壤：
大用户体量、高复杂度的核心产品，Agent 编排、知识库建设、工程债务治理
都有真实压力，技术成长有真实反馈。

共同成长，尊重你的发展节奏：
团队氛围开放，技术方向、成长路径充分尊重个人诉求，一起进化，不内卷。