TCL智能体应用开发工程师（实习生）
任职要求
1、26届应届生本科及以上，硕士优先；计算机、数学、统计或相关专业； 2、高等数学、线性代数、概率论、统计学等数学相关专业课成绩优秀； 3、熟悉机器学习/深度学习/大模型算法原理，具备大模…
工作职责
理解业务，通过技术赋能业务，并制定技术解决方案； 负责数据的收集、清洗、分析和挖掘工作； 负责模型/智能体/业务系统研发、优化、落地、迭代； 负责模块开发，解决复杂业务逻辑和技术难题，与测试、产品等团队协作,保证项目按时高质量交付; 参与需求分析，撰写相关技术文档，沉淀技术方案，积极参与团队内部的技术分享与交流。
1、负责大模型垂域应用系统及 Agent 开发开放平台的整体架构设计与核心业务链路研发，涵盖系统架构设计、算法工程化落地、AI 应用搭建与迭代等工作； 2、整合 AI 应用开发框架、主流大模型、向量数据库、知识检索引擎等技术，构建智能 Prompt 编排、复杂任务规划、大小模型异构调度、数据多路召回、端云协同执行等核心能力，推动关键技术突破与平台能力升级； 3、持续洞察业界大模型应用开发平台前沿技术，跟踪学术界与工业界最新研究动态，围绕高准确率、高执行效率、低使用门槛三大目标，持续探索并落地大模型应用平台的创新技术与架构方案。
1、负责RAG + Agent系统的全链路集成与优化，包括检索增强、知识图谱融合、多步推理、工具调用、输出可控性等，持续提升业务场景下的端到端准确率、召回率、响应速度与鲁棒性 2、深度拆解复杂业务，将需求转化为可被Agent高效执行的结构化任务分解（规划、工具选择、多轮交互、自我反思/纠错等） 3、设计高可靠AI服务接口（REST/gRPC）、Prompt/Chain/Graph编排、后处理逻辑、错误恢复机制，确保AI能力稳定服务化
1应用架构设计与演进：负责大模型应用开发平台（LLM App Platform）的整体架构设计，定义应用层与模型层的交互标准，构建支持Agent、RAG、工作流编排的高扩展性基础框架； 2核心引擎研发：主导核心中间件的研发，包括但不限于：模型网关（Model Gateway）、智能体运行时（Agent Runtime）、上下文状态管理及工具/插件注册中心**，屏蔽底层模型差异，降低业务接入成本； 3高可用与性能优化：解决大模型应用场景下的长链路超时、Token吞吐瓶颈等问题；设计并落地流式传输（Streaming）、语义缓存（Semantic Cache）、熔断降级等机制，保障系统在高并发下的稳定性与低延迟； 4工程化与效能工具：搭建Prompt管理、大模型评估（Eval）框架及调试回放系统，提升算法与业务团队的研发效率与迭代质量； 5稳定性建设：构建全链路可观测体系（Trace/Metric/Log），针对大模型特有的Token消耗、生成质量、耗时分布进行精细化监控与治理； 6技术攻坚与规划：跟踪LangChain、Semantic Kernel等开源社区动态，结合业务需求进行架构选型与预研，推动技术栈的持续升级。
1.负责AI agent的研发与维护工作，完成各AI agent的功能实现、性能维护； 2.与产品、算法、测试等团队紧密配合，搭建AI agent服务，打通企业自有数据和服务，丰富企业微信AI能力； 3.持续进行系统的技术架构优化与性能优化，提升产品竞争力。