AI算法工程师（英语基本交流）

该职位来源于猎聘 核心职责 1. 智能体系统研发：负责类 Claude Co-Work 的多智能体协作工作流开发，实现任务拆解、角色分工、工具调用、状态同步与人机/机机协同交互。

• Agent 全生命周期开发：独立完成 Agent 从 Prompt 设计、Tool Calling/MCP 集成、记忆管理、调试排错到上线监控的全流程研发。
• RAG 系统设计与优化：主导检索增强生成模块的架构搭建，通过分块策略、向量检索、重排序、混合检索、元数据过滤等手段持续提升 RAG 准确率与召回率。 4. 评估体系建设：搭建 Agent 与 RAG 的自动化评估流水线，定义合理指标（如任务成功率、工具调用准确率、Context Precision/Recall、Faithfulness 等），并持续迭代评测数据集。 5. 大模型选型与路由：根据业务场景（效果、延迟、成本、合规、长上下文等）科学评估与选型基础模型，设计模型路由、降级与组合策略。 6. 工程落地与迭代：与产品/前端/后端协作，完成 AI 能力的 API 化封装、性能优化与线上可观测性建设，跟进 AI 前沿技术并推动产品化。 任职要求 1. 学历与经验：计算机、人工智能、数学或相关专业本科及以上学历，3年以上 LLM 应用或 Agent 开发经验。 2. 编程与框架：精通 Python，熟练掌握至少一种主流 Agent 开发框架（LangChain / LlamaIndex / LangGraph / AutoGen / Goole ADK / Claude Agent SDK等），熟悉调试与观测工具（LangFuse / Phoenix / OpenTelemetry / Arize）。
• RAG 深度实践：深入理解 RAG 技术栈，有独立优化 RAG 准确率的实战经验（如：文档解析清洗、智能分块、Embedding 选型、Hybrid Search、Cross-Encoder Rerank、Feedback Loop 等）。 4. 大模型选型能力：熟悉主流闭源/开源模型特性与生态，能结合业务指标制定模型组合策略，具备 API 成本核算与延迟优化经验。 5. 评估方法论：熟悉 Agent 与 RAG 评估体系，能使用或自研评估工具（RAGAS / DeepEval / TruLens / Prometheus 等），具备构建 Golden Dataset 与自动化评测流水线的能力。 6. 工程素养：具备系统思维与全栈协作意识，了解 RESTful/gRPC API 设计、消息队列、任务调度、容器化部署等基础架构。 7. 语言与软技能：优秀的英文技术文档阅读能力，逻辑清晰，具备独立解决问题与跨团队推动落地的能力。