AI工程师

负责企业级 AI 平台架构搭建、迭代落地，自研 LLM 智能体系统与标准化 Skill 工具框架，打造可复用、可编排、高稳定的智能体底座，支撑业务自动化、智能助手、多 Agent 协同场景；独立负责平台架构设计、开发、集成部署及运维优化全流程,并牵头核心技术方向的预研与攻坚。

1、AI 算力平台建设
1）负责AI算力底座平台架构设计与研发落地，搭建高性能、高可用、易扩展的AI底层基础设施；
2）牵头完成AI算力集群软硬件一体化搭建，统筹GPU/CPU异构算力调度、存储网络调优、集群容器化部署等工作；
3）统筹建设统一大模型网关、任务调度、权限管控、用量计量、全链路监控、运行沙箱等平台基础能力，实现平台能力业务复用；
4）负责平台容器化交付、CI/CD流水线搭建及高可用架构落地，攻坚推理并发、接口限流、算力资源隔离等线上生产问题；
5）封装标准化AI开发SDK与统一API接口，沉淀平台技术规范与运维体系，保障平台7×24小时平稳高效运行。

2、LLM 智能体系统研发
1）基于大模型实现任务拆解、记忆管理、自省纠错、多 Agent 协同等核心能力
2）基于 LangChain/LangGraph/AutoGen 搭建 Agent 引擎，优化提示词与推理能力，降低模型幻觉，提升复杂任务的成功率与稳定性；
3）设计多 Agent 间基于 embedding 的语义交互机制:构建共享向量语义空间,实现 Agent 间消息的语义路由、意图分发与上下文/记忆的向量化共享;基于 embedding 相似度完成 Agent 能力匹配与动态编排调度,替代简单的文本透传,提升多 Agent 协作的精准度与可扩展性;
4）搭建 RAG 知识库管线，对接向量数据库，实现私有知识检索问答；持续优化召回率与答案准确率。

3、模型与算法优化
1）负责 Embedding/Rerank 模型的选型、领域微调与效果调优,提升语义检索与 Agent 交互的表征质量;
2）结合业务场景开展大模型微调(SFT/LoRA 等)、蒸馏、量化等工作,平衡效果、成本与推理性能;
3）建设模型与智能体的评估体系(准确率、幻觉率、任务完成率等),通过数据闭环驱动持续迭代。

4、标准化 Skill 工具体系（核心）
1）设计工具统一开发、注册、编排框架，实现工具热插拔、权限校验、执行沙箱隔离
2）将业务接口、数据查询、文件处理、代码执行等封装为 Agent 可调用标准化工具集
3）搭建可视化低代码工具编排后台，建立工具安全管控、操作留痕机制