锦鲤求职岗位描述
岗位描述
我们正在建设面向长期交互和复杂任务的 Agent Memory 能力，让 Agent 能够持续积累、理解、更新和复用信息，在跨会话、跨任务和动态环境中保持稳定表现。我们寻找一位能够在该方向上定义技术路线、主导架构设计并推动体系化落地的算法专家。
工作职责
1、 洞察 Agent Memory 领域趋势，定义用户记忆、Agent 经验记忆与长任务工作记忆的技术演进路线，将前沿研究转化为可落地的系统方案，前瞻性布局记忆生命周期管理（识别、写入、结构化、归并、更新、压缩、版本管理、遗忘、冲突消解）等核心能力。
2、主导记忆检索与使用算法架构设计，融合语义、时间、实体关系、用户偏好与任务状态等多维信号，在召回质量、排序效果、多跳检索、时序推理上实现关键突破；设计记忆注入 Agent 上下文的策略，在效果、上下文长度、响应延迟与模型调用成本之间建立可量化的平衡机制。
3、 建设覆盖记忆构建、检索、使用与最终任务效果的完整评测体系，打通离线评测、在线实验、错误分析与 badcase 闭环；主导算法从离线实验到线上系统的全链路落地，建立监控、灰度、回滚与版本迭代的工程治理机制，保障效果、稳定性、时延、成本与数据安全。
4、从 Agent 执行轨迹、用户反馈与任务结果中系统性地提炼经验、策略与技能，构建跨会话、跨任务、动态环境下的复用与迁移能力。
5、 独立完成问题定义、数据构建、算法实现、实验验证、消融分析与线上落地，与大模型、检索、平台和业务团队高效协作，在效果、延迟、成本与工程复杂度之间做出合理取舍。
岗位要求
1、计算机、人工智能、机器学习、自然语言处理或相关专业硕士及以上学历，具备扎实的机器学习、深度学习与自然语言处理基础。
2、在以下一个或多个方向具备深度项目经验：
○ 大模型与 LLM Agent
○ RAG、信息检索或推荐系统
○ 多轮对话与用户个性化建模
○ 长上下文与任务状态管理
○ 持续学习、在线学习或强化学习
3、熟悉 Embedding、向量检索、混合召回、Reranker 等技术，深入理解召回、排序、困难负样本、离线评测与线上实验方法论。
4、熟练使用 Python 和 PyTorch，能够独立完成数据构建、算法实现、实验设计、消融实验、错误分析与效果评估。
5、理解真实 Agent 场景中的信息过期、偏好变化、记忆冲突、重复记忆、错误传播、检索噪声、上下文预算与数据隐私等核心挑战。
6、具备将算法方案落地到线上系统的完整经验，能够主导接口设计、数据链路、监控告警、灰度发布、回滚与线上问题定位。
7、具备良好的问题抽象、技术判断与跨团队协作能力。
加分项
● 有 Agent Memory、长期记忆、长期对话、用户画像、个性化服务或 Agent 经验学习相关经验。
● 有记忆写入、更新、压缩、遗忘、冲突消解、数据撤回或版本管理的实践经验。
● 有 Embedding、Reranker 或检索模型训练经验，熟悉困难负样本构建、模型微调、蒸馏或强化学习。
● 有图记忆、多跳推理、时序推理、多模态记忆、参数化记忆或持续学习经验。
● 有多智能体协作、共享记忆、记忆路由、权限隔离、记忆安全或隐私保护经验。
● 了解 LongMemEval、LoCoMo、MemoryAgentBench、HaluMem 等长期记忆评测任务，或有自建评测集与线上评测体系经验。
● 有高质量论文、开源贡献，或能够展示明确效果提升、完整实验分析与线上落地结果的项目成果。