小红书智能Agent开发 - 商家客服

1、负责小红书社区、电商消费者、商业B端等业务线平台客服功能研发与优化，利用AI技术服务小红书C端和B端用户，提升智能体问题解答质量和用户使用体验； 2、深入理解各业务线的业务规则，完成智能体Multi Agent技术体系的设计和落地，解决各业务线不同场景的复杂问题（审核、风控、消费者售后、商家经营等） 3、参与各技术节点的调优，包括但不限于知识库优化、Multi Agent Planning优化、系统稳定性/SLA优化，负责将业界前沿AI技术应用到智能客服场景中，辅助提升业务指标； 4、具备业务数据分析思维和手段，通过科学的数据分析挖掘用户消费行为规律、商家经营痛点，为Agent产品迭代、技术优化提供决策依据。

1、负责电商商家&店铺相关系统智能化升级，基于大模型与Agent技术重构商家入驻、开店、成长、商家工作台等核心系统，构建支持360行的智能电商商家平台； 2、探索Multi-Agent协作架构在商家域的落地，推动从传统后端工程到AI-Native的技术范式升级； 3、负责将AI Agent能力深度融入电商商家业务场景，持续提升业务效率、用户体验、研发效能。

1、负责电商商家&店铺相关系统智能化升级，基于大模型与Agent技术重构商家入驻、开店、成长、商家工作台等核心系统，构建支持360行的智能电商商家平台； 2、探索Multi-Agent协作架构在商家域的落地，推动从传统后端工程到AI-Native的技术范式升级； 3、负责将AI Agent能力深度融入电商商家业务场景，持续提升业务效率、用户体验、研发效能。

团队介绍：Data-电商-智能对话团队，致力于打造业界领先的大模型对话系统。团队服务的日活用户超过数亿，应用场景覆盖抖音电商全链路，包括平台客服、平台商服、商家客服、达人客服，以及创新的智能导购等核心业务场景，通过持续的技术创新和优化，成功构建了一套完整的智能对话解决方案，为电商业务带来了显著的效率提升和用户体验改善。 课题介绍： 背景：电商智能客服正逐渐成为业务增长和用户体验优化的重要方向，基于大型语言模型（LLM）的智能客服系统解决电商场景中的核心挑战，由LLM完成一次用户进线的完整接待过程，包括诉求澄清、方案协商、方案执行等阶段，实现电商业务的智能化升级——让用户享受更智能高效的客服服务。 研究方向：本课题聚焦于LLM 后训练与智能客服。构建基于 LLM 的多智能体（Multi-Agent）框架，通过规划、回复、工具三类Agent的协作，实现从问题分析、方案执行到结果反馈的全流程智能客服。核心目标是确保客服对话的准确性、合规性与流畅度，避免模型生成幻觉或违背平台政策。同时，围绕电商客服的复杂任务，构建 Benchmark数据集，优化SOP遵循、多轮交互、用户满意度等指标。此外，研究高效数据利用方法，探索低标注数据条件下的LLM训练，并开发自动生成高质量训练数据的系统，以降低人工标注成本，提高智能客服的服务质量与效率。 1、开发AI驱动的智能客服系统：设计并实现AI对话式客服助手，能够处理电商咨询、投诉、退款、争议解决及物流相关问题，以AI替代传统人工客服； 2、大语言模型（LLM）后训练与高效学习：应用最前沿的LLM训练优化技术，如指令微调、强化学习、持续学习等，在最少标注数据的情况下优化AI客服响应质量；具备大语言模型（LLM）微调、知识蒸馏或强化学习的相关经验，应用于对话式AI场景；深入理解检索增强生成（RAG）、专家混合模型（MoE）、稀疏注意力、强化学习、推理时间优化等技术，以提升AI对话质量； 3、基准测试与训练数据构建：识别具有挑战性的客服交互场景，如政策解读、争议处理、客户投诉、导购推荐等，并构建专门的测试集和训练集； 4、多语言与跨文化客服支持：构建能够适应多语言和不同文化背景的AI模型，确保客服交互的精准翻译和针对不同用户群体的合适响应；精通多语言自然语言处理（NLP）、机器翻译及跨语言对话建模； 5、模型优化与高效部署：研究模型压缩、量化、推理优化等技术，确保AI客服助手在大规模应用场景下具备低延迟、高可靠性的表现。