AI 软件工程平台工程师

Job Description:

Agent 平台底座

建设 Agent 编排框架与运行时，支持配置化扩展 —— 新增/调整 Agent 以填表或写配置完成，尽量不改代码

建设 Agent 注册与统一模型网关，屏蔽底层模型差异，支持多模型路由与灰度

建设编排层：让多个 Agent 与工具在流程中自动流转，减少人工串联

评测与可观测

建设 Agent 评测体系：评测数据集、回归基线、质量指标定义与自动化评测流水线

建设线上追踪与归因：调用链路、失败模式分类、成本与 token 消耗治理

让每一次 prompt / 模型 / 编排变更可度量、可回归、可回滚 —— 没有评测的 Agent 不允许进生产

上下文接入层（Context Layer）

打通研发工具链（Git / Jenkins / Jira / Confluence / 需求与文档系统），把研发上下文封装为 Agent 可消费的能力

基于 MCP 建设统一上下文接入，处理权限透传、增量同步、缓存隔离、引用溯源等工程问题

建设企业研发知识检索能力（RAG），注意：知识接入的难点不在检索算法，在权限与时效

支持团队向 AI Native 转型

建立 Agent 开发规范、脚手架与模板，使领域工程师可在不理解 LLM 底层的前提下交付可用 Agent

支持工程师的能力转型：从"自己写"到"定义问题、交给 Agent、验证结果"

编写文档、Demo 与培训材料，组织实践交流，降低上手门槛

建立采纳度与效果度量机制，把反馈转化为平台迭代

Job Qualification:

本科及以上，计算机 / 软件工程等相关专业

扎实的软件工程基础，熟悉完整 SDLC；熟练掌握 Python（团队主力语言）

具备大模型应用的生产落地经验 —— 不只是 Demo 或 POC，能说清楚线上遇到的问题和怎么解决的

熟悉 Agent / RAG / 向量数据库的工程实现，了解其失效模式而不只是 happy path

熟悉至少一种 Agent 开发框架：LangGraph / LangChain / OpenAI Agent SDK 等

熟悉 Git、CI/CD、Code Review、自动化测试等研发流程

加分项

Agent 评测/可观测经验（Langfuse、promptfoo、Opik 等）

了解 MCP 及企业级上下文接入。

有研发效能平台/DevOps 平台建设经验。

有自托管、内网、离线环境部署运维经验。

有汽车软件背景（Linux/QNX/Android/AUTOSAR）或愿学习 ASPICE/功能安全。

关注 AI 生成产物在合规场景下的证据链问题。

硬约束（投递前请确认）

自托管：部署于企业内网，不依赖公有云托管服务。

对接既有系统：需与现有内部工具链集成，非推倒重来。

不绑定单一厂商：架构须保持芯片/云/模型的可替换性。