锦鲤求职岗位描述
岗位职责
1. Agent 架构与框架
•负责企业级 Agent 平台的总体架构、技术选型和演进路线，合理划分 Agent 应用、控制面、Runtime / Workflow、Context & Memory、Tool Gateway、数据存储和可观测体系的职责边界。
•评估并应用 Mastra、LangGraph、OpenAI Agents SDK、LlamaIndex Workflows 等框架，结合团队语言栈、复杂工作流、长任务和生产运维需求做出选型；能够阅读源码、扩展核心能力，必要时建设自研 Runtime。
•设计单 Agent、多 Agent 与确定性工作流的组合架构，支持状态管理、任务拆解、Agent 协作、Human-in-the-loop、结构化输出以及复杂流程的版本化与回放。
•建设长任务执行与错误恢复机制，包括检查点、暂停/恢复、超时、重试、幂等、补偿、取消、降级和失败后的重新规划，保证跨小时或跨天任务可追踪、可恢复。
•负责 Context Engineering 与分层 Memory 体系，覆盖上下文检索、组装、压缩和 Token 预算，以及会话记忆、长期记忆、用户/项目记忆的写入、召回、更新、遗忘、评测和权限隔离。
•建设面向干湿实验闭环的 Self-Evolving Agent 系统：将设计出的候选序列及其设计依据送入湿实验流程，接收活性、亲和力、表达、稳定性、可开发性等实验结果，完成数据质控、归因和反馈，并据此更新下一轮设计约束、候选排序、工具策略与任务规划，持续生成更优序列。
•建设 Tool Use、Function Calling 与 MCP 能力，形成标准化工具注册、权限控制和执行接口；通过 Trace、日志、评测与回放持续优化 Agent 的成功率、稳定性、延迟、安全性和成本。
2. 软件开发与系统架构
•主导平台前后端整体架构。后端覆盖服务边界、API、数据库、缓存、消息队列、任务状态和流式响应；前端覆盖工作区、会话与任务、运行轨迹、结果展示、Agent 配置和运营管理。
•建设面向企业的多用户与多租户体系，包括组织/项目/空间、身份认证、RBAC/ABAC、数据隔离、配额、用量计量和审计日志，保证不同用户和科研项目之间的数据安全。
•支持多用户共同开发和管理 Agent，将 Prompt、Tool、Skill、Workflow、Memory 配置等纳入版本管理，提供开发/测试/生产环境隔离、发布、灰度、回滚和变更审计能力。
•设计高并发与异步任务架构，处理任务队列、优先级、限流、背压、负载均衡、缓存、水平扩展和故障隔离，持续优化吞吐、P95/P99 延迟和系统容量。
•建设统一的资源调度与治理能力，协调 CPU、GPU、HPC、容器和外部 API 等异构资源，支持并发控制、用户/项目配额、任务取消、超时回收和成本核算。
•推动生产级工程规范，包括架构 RFC/ADR、接口与数据模型、单元/集成/端到端测试、CI/CD、监控告警、容量规划、容灾恢复、安全审计和技术债治理。
3. 计算生物与科研工作流集成
•与计算生物、计算化学、实验和产品团队协作，理解靶点分析、文献与专利检索、蛋白设计、结构预测、分子模拟及实验反馈等研发流程，并将其抽象为可复用的 Agent 工作流。
•将计算生物工具例如 AlphaFold、RFDiffusion、ProteinMPNN、分子对接模型、分子动力学工具、数据库检索及内部科研系统封装为标准化工具；重点负责接口、编排和工程集成，不要求研发或训练这些科学模型。
•统一同步 API 与异步科学计算任务的调用方式，规范输入输出、任务状态、进度、日志、文件产物、错误码和结果校验，使 Agent 能基于真实工具反馈继续推理与执行。
•打通 Design-Build-Test-Learn（设计—构建—测试—学习）闭环及实验数据接口，实现候选序列下发、实验任务关联、结果自动回流、异常标记、人工复核和下一轮设计任务触发。
•建设可持续沉淀的经验库与知识库，将每轮设计假设、候选序列、模型/工具版本、实验条件、实验结果、失败原因和决策轨迹结构化存储，支持数据血缘、语义检索、相似案例复用、跨轮次学习和跨项目权限隔离，使系统随实验积累持续演进。
岗位要求
必备条件
•研究生及以上学历，计算机、软件工程或相关专业；通常具备 5 年以上软件研发经验，并承担过中大型系统的架构设计、核心模块建设或技术负责人工作。
•精通 Python 或 TypeScript/Node.js，并能熟练使用另一门语言；熟悉异步编程、网络、API 设计、数据库、缓存、消息队列和性能分析。
•具备生产级 Agent 系统经验，至少深入使用并上线过一种 Agent 框架或自研 Runtime；能够讲清 Agent Loop、Workflow/State、Multi-Agent、Tool/MCP、Memory、评测和可观测性的设计取舍。
•能够系统设计 Context 与 Memory，而非仅进行 Prompt 拼接；理解检索与重排、上下文预算、摘要压缩、跨会话状态、记忆生命周期、权限隔离和效果评测。
•具备扎实的前后端和企业级平台架构能力，熟悉多用户、多租户、身份权限、数据隔离、配置版本、协作发布和审计机制。
•熟悉分布式系统、高并发和异步任务设计，能够处理幂等、重试、熔断、限流、背压、任务调度、资源配额、高可用、故障恢复和容量规划。
•具备良好的代码规范、架构表达、技术文档和跨团队沟通能力，能够把模糊的科研需求拆解为可验证、可维护、可持续演进的软件系统。
优先条件
•有生物医药、计算生物学、计算化学、材料科学或科研计算平台经验；参与过 Design-Build-Test-Learn 干湿闭环、ELN/LIMS 集成、实验数据平台或科研知识库建设者优先。
•有 Agent 平台、Agent Runtime/Harness、复杂工作流或开发者平台经验；有 Mastra、LangGraph 等框架的源码级扩展、插件开发或生产运维经验。
•熟悉 PostgreSQL、Redis、向量数据库、Kafka/RabbitMQ、Temporal/Celery 等基础设施，并能根据业务规模做出合理选型。
•熟悉 Docker、Kubernetes、容器/沙箱、HPC/Slurm 或云资源调度；有 Agent 评测、Memory/Context 优化、工具安全或生产事故治理经验。