AI Agent 工程师

岗位职责

• 把业务场景翻译成 AI 方案：理解产品要解决的问题，判断哪些环节适合交给 AI、适合到什么程度、边界在哪里，并给出可落地的技术方案；
• 负责 Agent 系统的设计与实现：Agent 循环、工具调用层、多 Agent 协作与编排、任务分解与状态管理，以及上下文工程、记忆与自进化机制等；
• 设计多轮 Agent 工作流与后端执行链路，将 AI Agent 能力与真实业务系统连接，建设可靠、可扩展、可观测的服务端能力；
• 建设评测（eval）体系与 Agent 评估、回放、诊断机制，量化每次迭代的效果变化，支撑灰度发布与线上回归；
• 建设可观测性与人机协同：决策过程留痕、失败归因、成本与延迟监控，保证关键动作始终在人的控制之内；
• 持续优化效果、成本与延迟：在模型选择、上下文策略、缓存与并发之间做工程取舍；
• 保持技术前沿性并转化为产品能力：持续跟踪模型能力演进与开源生态进展，与产品、后端、前端紧密协作，同时把 AI 的能力边界与局限清楚地传递给团队。

任职要求

必备条件

• 本科及以上学历，计算机、人工智能、软件工程、机器学习等相关专业优先，具备扎实的计算机基础与工程素养；
• 精通 Python 等 AI 应用主流语言，并熟悉 Go/Java/C++/Rust 等至少一种服务端开发语言，能独立完成从想法到原型到上线的完整闭环；
• 有生产级后端系统开发经验，熟悉 API 设计、数据库、缓存、异步任务、消息队列、日志监控、异常处理和性能优化；
• 熟悉 LLM 调用链路、Agent 架构、Tool Use、Function Calling、上下文管理、Prompt Engineering、模型路由等一种或多种方向；
• 精通 Agent 核心技术栈：Agent 循环与多 Agent 编排、工具与技能层设计、上下文工程、Memory，以及 Agent 进化等内容；
• 有评测（eval）体系的建设经验：能设计可复现的评测方案，用数据驱动迭代，理解 LLM 非确定性带来的测试难点；
• 熟悉 LLM 应用的工程化要求：可观测性与调用链追踪、失败重试与降级、并发与限流、缓存策略、token 成本与延迟优化；
• 理解 LLM 应用的安全边界：提示注入防护、工具权限最小化、敏感数据隔离、输出校验；
• 对 AI 社区与前沿进展有持续、主动的跟进，有将前沿技术落地到生产产品的实际经验，对方案选型与技术难点具备清晰判断；
• 主动性强，有 owner 意识，具备强烈的技术好奇心与自驱力，能够在不确定场景中快速拆解问题、设计方案并推动落地。

加分项：

• 有开源贡献、技术博客、社区分享或个人 AI 项目；
• 深入实践过多种模型与 Agent 框架，对其设计取舍与能力边界有清晰认知；
• 有记忆系统、个性化或推荐相关的工程经验，理解长期用户状态的建模与维护；
• 有多 Agent 系统、复杂工作流编排或长程任务的实践经验；
• 有金融交易等相关业务背景；