Keep大模型 Agent 研发（26 届校招）(J11981)

1.Agent 架构设计与实现:基于主流框架（如 LangChain, AutoGPT, CrewAI 或自研架构）设计并实现具备规划（Planning）、记忆（Memory）和工具使用（Tool Use）能力的 Agent 系统 2.复杂任务编排:处理多步骤、长链路的任务拆解。优化 ReAct、Plan-and-Solve 等提示词策略，提升 Agent 在模糊指令下的鲁棒性。 3.工具链（Tools/Plugins）集成:设计 Agent 与外部 API、数据库及企业私有软件的接口，实现可靠的函数调用（Function Calling） 4.记忆与知识库管理:构建基于 RAG（检索增强生成）的知识库体系，优化向量数据库检索精度，解决 Agent 的长短期记忆同步问题

1、智能Agent研发 基于 AutoGen 或 LangGraph 框架，设计和实现多智能体（Agent）系统，支持 Agent-to-Agent 协作。 构建物流垂域的智能应用场景，如运输调度、仓储优化、路径规划、订单跟踪与异常处理。 2、系统架构与优化 负责多智能体系统的架构设计、任务分解与交互协议制定。 优化 Agent 的推理链路和交互效率，提升系统的稳定性与可扩展性。 3、模型与数据集成 将大语言模型与物流业务数据（订单、运单、库存、GPS轨迹等）结合，提升智能体的业务理解与决策能力。 参与构建和优化奖励机制、反馈回路，确保 Agent 输出符合业务目标。 4、跨团队协作 与产品、算法、业务团队紧密合作，推动智能Agent在物流场景的落地与迭代。

1.主导 B 站机器学习平台的 Agent 核心技术研发，负责 Multi-Agent 协作框架、智能记忆（Memory）机制、任务规划与调度等基础能力的设计与落地，构建高可用、可扩展的 Agent 技术底座； 2.设计端到端的 Agent 技术链路与模型方案，推动 Agent 技术在复杂场景的突破性落地，持续优化系统效果与运行性能； 3.构建 B 站专属的 Agent 评估体系，探索面向复杂场景的 Agent 能力评估方法，输出行业领先的评估标准与实践方案； 4.设计开发易用、高效的 Agent 开发套件（SDK / 工具链），降低开发者的 Agent 技术使用门槛，赋能平台生态快速拓展； 5.跟踪 Agent 领域前沿技术动态与学术进展，探索创新型 Agent 范式（如多模态协作、复杂任务拆解等），主导核心技术攻关，引领平台技术竞争力； 6.构建 B 站专属的 Agent 评估体系，探索面向复杂场景的 Agent 能力评估方法，输出行业领先的评估标准与实践方案。

通过技术创新支持阿里集团大模型研发快速迭代，参与从数据生产、训练到评测的大模型研发全流程，主要工作内容和挑战如下： 1. 建设大规模数据生产和评测的Agent基础设施，增强大模型在Coding&Agentic等领域的能力。 2. 结合后训练框架，优化强化学习效率，实现高效的大规模Agentic RL。 3. 将成熟的系统与算法成果发表于学术会议，并回馈开源社区（如ROCK和ROLL等），持续提升在学术界与产业界的影响力。