锦鲤求职岗位描述
工作地点：上海
招聘类型：可转正实习
实习周期：长期
项目介绍
我们正在建设一套面向卡牌策略对抗场景的多智能体 AI 系统。系统需要在不完全信息环境中完成局面理解、策略规划、合法动作生成、多角色协作与对抗，并支持大规模模拟和自动化评测。
你将与项目负责人共同参与 Agent 架构、决策链路和模拟评测系统建设，推动大模型能力真正转化为稳定、可控、可迭代的产品能力。
岗位职责
参与策略对抗场景下的 AI Agent 架构设计与工程实现；
建设 Agent 的状态管理、规划、记忆、策略调用、工具调用和动作执行模块；
设计完整决策链路，包括局面状态解析、历史信息管理、策略生成、动作约束和异常回退；
构建多智能体协作与对抗机制，支持不同角色、不同策略和不同模型之间的交互；
参与模拟对战、Self-play、批量评测和回放分析系统建设；
设计动作合法性校验、超时处理、失败重试、降级策略和可观测性机制；
优化 Agent 的稳定性、响应效率、上下文管理和推理成本；
与模型训练及业务研发团队协作，完成模型、规则系统和产品链路的集成。
任职要求
计算机、人工智能、软件工程等相关专业在校生；
熟悉 Python，具备较好的代码组织、调试和工程实现能力；
有真实 AI Agent 项目经验，并实际参与过核心模块开发；
熟悉一种或多种 Agent 设计模式，如 ReAct、Planner–Executor、Tool Use、Workflow 或 Multi-Agent；
熟悉claude code、codex、openclaw、hermes等架构；
理解大模型在规划、推理和工具调用中的能力边界，能够处理幻觉、超时、上下文溢出和结果不稳定等问题；
熟悉 API 集成、结构化输出、日志记录、异常处理及基础测试方法；
能够清晰说明项目架构、关键模块、技术取舍、实际效果和本人贡献。
加分项
有多智能体协作或对抗系统经验；
有卡牌、棋类、博弈或其他游戏 AI 项目经验；
熟悉状态机、行为树、规则引擎或搜索算法；
有 Agent 评测、轨迹分析、记忆系统或上下文压缩经验；
熟悉异步任务、并发服务、消息队列或分布式模拟；
有开源项目、线上应用或实际用户使用的 Agent 产品经验；
了解强化学习、不完全信息决策或对手建模。
你将获得
参与真实 AI Agent 系统从架构设计到业务落地的完整过程；
处理多智能体协作、复杂状态管理和长链路决策等实际问题；
深入理解大模型、规则系统、策略模型与工程系统的结合方式；
与项目负责人直接协作，承担边界明确且可独立交付的核心模块。
投递建议
请附上可展示的项目材料，如 GitHub、技术文档、演示视频或产品链接，并重点说明：
Agent 解决了什么问题、采用了什么架构、调用了哪些工具、如何评测、是否有真实用户或实际运行数据，以及本人负责的部分。