履约技术-Agent工程开发

1. 推进履约 AutoResearch 场景落地。 与算法和业务团队协作，将研究与优化问题转化为目标明确、可执行、可验证的任务，推动「提出方案 → 执行实验 → 分析结果 → 迭代优化」的自主研究流程落地。

2. 负责面向研究与工程任务的 Agent 开发。 围绕代码理解与修改、工具调用、上下文管理和多步骤执行，设计 Agent 的执行流程，支持其持续完成复杂任务，并在关键环节引入必要的人工判断与协作。

3. 建立任务与实验的评估方法。 跟踪执行过程，验证实验结果，分析失败案例，持续提升任务完成率、产出质量和执行效率，确保优化结论有依据、实验过程可复现。

4. 推动 Agent 与履约实际工作结合。 接入研究和研发所需的数据、代码、实验工具及业务系统，完善从问题提出到结果交付的流程，并根据算法和业务同学的使用反馈持续改进。

5. 深度实践 AI-SDLC。 探索 AI 在需求分析、方案设计、编码、测试和代码审查中的应用，沉淀经过实际项目验证的研发方法，提升交付效率与质量。

1. 计算机相关专业本科及以上学历，3 年及以上服务端研发经验，具备扎实的计算机基础和良好的工程习惯；熟练掌握 Java / Go / TypeScript 中至少一门，并能快速切换到团队现有技术栈。有突出的 Agent 相关开源作品或项目实践者，年限可适当放宽。

2. 熟悉服务设计、并发与异步处理、数据库及常用中间件，能够独立完成设计、开发、测试和线上问题排查；有 Java/Spring Boot 或 Node/TypeScript 工程经验者均可。

3. 理解大模型应用和 Agent 的基本工作方式，对执行循环、工具调用、上下文管理和记忆机制有实际认识；有 AI 应用开发经历，能够结合具体任务设计验证方法，分析效果、失败原因和能力边界。

4. 具备良好的问题分析与动手能力，能够面对需求和技术的不确定性，通过原型、实验和数据验证方案，推动问题解决。

5. 自驱力强，具备良好的沟通与协作能力，愿意深入理解业务和用户需求，能够独立承担任务并推动交付，对结果负责。

1. 参与履约 AutoResearch 的探索与落地。 让 Agent 参与方案提出、代码实现、实验执行和结果分析，探索如何通过连续实验与反馈完成研究和优化任务。

2. 围绕真实履约问题开展工作。 与算法和业务同学紧密协作，在实际研究与研发任务中验证 Agent 的效果，用实验指标和使用反馈判断改进是否有效。

3. 参与从场景定义到交付验证的完整过程。 深入理解问题，参与技术方案和实现，在实际使用中持续迭代，积累 Agent 处理复杂任务的工程经验。

4. 实践 AI 时代的研发方式。 与具备算法工程和大模型应用经验的同学共同工作，在真实项目中探索 AI Coding 与 AI-SDLC。