网易AI应用研发工程师（AI 代码图谱方向）
任职要求
1. 本科以上学历，计算机相关专业，5 年以上开发经验，或 2 年以上 AI 工程化落地经验； 2. 具有扎实的编程功底，掌握 Python / TypeScript / C++ / Lua 中至少一门语言，具备借助 AI 快速上手新语言的能力； 3. 了解编译原理基础（AST、IR、符号解析），有 Tree-sitter 或类似 AST 框架使用经验； 4. 有静态分析工具开发或使用经验（CodeQL、SonarQube、Semgrep 等）； 5. 掌握图算法（PageRank、社区发现、环检测），有图数据库使用经验（Neo4j、KùzuDB 等）； 6. 深入使用过大语言模型（GPT / Claude / Gemini 等），熟悉 LLM 应用架构，有 Prompt Engineering、RAG、Function Calling、Agent 开发实战经验； 7. 对 AI Codin…
工作职责
岗位概述： 我们正在寻找一位具备静态分析 + 知识图谱 + AI Agent 集成能力的高级工程师，负责构建面向大型游戏代码仓库的 CodeMap 基础设施。核心使命是通过 AST 解析、调用图构建、语义索引等技术，让 AI Coding Agent 获得对百万行代码仓库的全局结构感知。 工作内容： 1. 代码图谱构建：基于 Tree-sitter / LSP 设计多语言代码结构化解析管线，提取函数、类、接口等符号及调用/继承/导入关系；构建知识图谱存储层，支持调用链追踪、影响面分析、循环依赖检测；实现增量索引与实时更新。 2. AI Agent 集成：将代码图谱封装为 MCP Server，暴露标准化工具接口；开发 Agent Plugin / Skill，实现自动上下文注入——Agent 操作文件时自动附带调用链、影响面等结构信息；设计上下文压缩与 Token 预算优化策略。 3. 语义检索与分析：实现混合检索系统（全文搜索 + 向量语义搜索 + 图查询融合）；基于图算法实现代码相关性排序；开发死代码检测、变更影响面分析等代码智能能力。 4. 工程落地：面向大型游戏代码仓库，解决索引性能、存储效率等工程挑战；与 CI/CD 流程集成，将代码图谱更新纳入持续集成流水线。
1. 负责企业级办公Agent 技能市场产品/平台能力的设计和研发，包括前台产品能力、运营中心、开放对接能力等，打造企业办公易用/安全/统一的技能市场，加速AI在办公场景的大规模应用。 2. 参与搜索/意图识别等相关能力的设计和研发，涉及企业内部海量知识的接入/加工、搜索在/离线能力的建设（索引构建、意图识别、粗排/精排等），建设企业办公统一的搜索能力，同时结合技能市场的消费需要，提供高质量的findskill能力。
1. 负责推搜场景下的AI应用研发，将大模型能力落地到策略迭代、内容理解等核心链路，覆盖RAG、Agent、Function Calling等方向； 2. 作为团队AI Coding的先行者，深度探索并落地AI辅助编程工具（Cursor、GitHub Copilot等）在业务开发、代码重构、数据处理等场景的应用，总结并推广可复用的实战方法论； 3. 负责推搜业务场景下大模型所需的数据开发工作，包括SFT/偏好数据的构建、清洗与质量评估，搭建可复用的数据处理Pipeline，支撑模型微调与效果迭代； 4. 利用大模型能力提升数据处理效率，探索LLM辅助数据标注、数据增强、质量筛选等自动化方案，推动数据飞轮的建立； 5. 主导制定AI应用与数据工程的开发规范，通过Code Review和技术分享提升团队工程素养，推动团队向"工业级AI应用"演进。
聚焦核心业务场景，利用Agent等前沿技术推动AI落地。你将参与从需求洞察到系统构建的全流程，通过研发智能应用与工具，提升业务效率与效果，实现技术驱动业务增长的完整闭环，推动智能规模化演进，实现技术价值转化。 具体职责包括以下相关方向的一项或多项： 1.需求理解与归因： ● 深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。 2.架构设计： ● 面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性。 3.知识与环境构建： ● 搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑。 4.核心能力实现： ● 负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析。 5.系统迭代与演进： ● 建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地。 6.性能优化： ● 优化高并发场景下的系统性能，通过异步处理与降级策略保障稳定性，通过低侵入性观测手段保障系统的长期稳定运行。
聚焦核心业务场景，利用Agent等前沿技术推动AI落地。你将参与从需求洞察到系统构建的全流程，通过研发智能应用与工具，提升业务效率与效果，实现技术驱动业务增长的完整闭环，推动智能规模化演进，实现技术价值转化。 具体职责包括以下相关方向的一项或多项： 1.需求理解与归因： ● 深入业务场景，利用数据挖掘与特征分析完成现象归因；精准识别高价值问题，将模糊的业务痛点转化为明确的 AI 解决目标。 2.架构设计： ● 面向具体业务需求，设计 AI 原生系统架构；参与 Agent 系统核心模块的规划，包括记忆管理、推理策略与工具编排，兼顾架构的灵活性、可扩展性与工程可落地性。 3.知识与环境构建： ● 搭建AI与现有业务系统的交互环境，涵盖 API 接入、RAG 知识库构建、记忆方案设计；持续优化召回质量与上下文注入策略，为模型提供准确、及时的执行环境与知识支撑。 4.核心能力实现： ● 负责Agent关键模块的工程落地，实现意图识别、任务拆解与反思纠错闭环；封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析。 5.系统迭代与演进： ● 建立搭建自动化评测与回测机制，通过调优与Case分析不断收敛效果与性能提升的最优路径；沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地。 6.性能优化： ● 优化高并发场景下的系统性能，通过异步处理与降级策略保障稳定性，通过低侵入性观测手段保障系统的长期稳定运行。