米哈游AI Agent 开发工程师（TD / TA 背景）-AI引擎
任职要求
1）硕士及以上学历，计算机科学、人工智能、机器学习、自然语言处理或相关专业 2）2 年以上大模型应用、Agent 系统、NLP 算法或强化学习相关经验，有完整项目研发和落地经验 3）熟悉 LLM / VLM / 多模态模型的基础原理及应用方式，理解 Agent 系统中的规划、记忆、工具调用、上下文管理与多步推理等关键问题 4）熟练使用 PyTorch 及主流大模型训练/推理框架与工具链，如 Transformers、DeepSpeed、Megatron-LM、VeRL、vLLM、SGLang 等，具备较强的工程实现能力 5）具备 Agent 方向的实际研发经验，熟悉 ReAct、Function Calling、RAG、Memory、Reflection、Planning、Multi-Agent 等常见范式，能够独立设计并实现复杂 Agent 工作流 6）具备扎实的强化学习或对齐基础，理解 SFT、DPO、RLHF、RLAIF、PPO、GRPO 等方法原理，有将相关方法应用于大模型行为优化或 Agent 系统优化的实践经验 7）具备良好的系统设计与问题分…
工作职责
1）Agent 能力研发：面向 AI Native 游戏场景，负责智能体（Agent）核心能力研发与优化，覆盖智能 AI NPC、AI 叙事、AI 玩法等方向，构建具备多轮对话、任务规划、工具调用、环境交互、长期记忆与自主决策能力的 Agent 系统 2）Agent 架构设计：设计并实现游戏场景下的 Agent 核心架构，包括 Planning、Memory、Tool Use、Action、Reflection、Persona、State Tracking 等模块，提升智能体在复杂动态环境中的稳定性、一致性与可控性 3）训练与对齐优化：结合业务需求，参与 Agent 相关模型与策略优化，包括 SFT、DPO、RLHF/RLAIF、PPO/GRPO 等方法，提升智能体在角色一致性、任务完成率、对话连贯性、行为合理性和安全性等维度的表现 4）记忆与数据体系建设：构建适用于游戏场景的 Agent Memory 与数据闭环体系，支持 NPC 对玩家历史行为、剧情进展、任务状态、角色关系和世界知识的长期记忆与高效调用，并持续优化训练数据与交互数据质量 5）工具调用与环境交互：建设 Agent 的工具与动作能力，使其能够可靠调用游戏内外部系统能力，如任务系统、剧情系统、检索系统、脚本/代码执行、UI/Browser 自动化等，提升 Agent 在真实业务场景中的执行能力 6）评测体系与系统优化：建立面向 Agent 的评测体系，围绕任务完成、角色设定一致性、叙事合理性、工具调用成功率、长期记忆效果、安全性等维度设计 Eval、自动化测试与分析机制，推动模型与系统持续迭代 7）多 Agent 与前沿探索：探索 Multi-Agent、GUI Agent、Browser Agent、World Model、MCP 等前沿方向在游戏中的应用，与产品、策划、工程团队协同推进 Agent 能力的落地与创新
负责 C 端创新产品中的 AI Agent 能力建设，推动 AI 能力从概念验证走向真实用户可用的产品体验。 围绕用户需求和业务目标，设计并落地智能交互、任务协作、个性化服务、主动推荐等 AI 产品能力。 负责 AI Agent 应用的核心架构设计与工程实现，保障系统在效果、稳定性、性能、成本和可扩展性上的持续优化。 持续优化 Agent 在理解、规划、执行、反馈等关键环节的表现，提升用户体验和业务转化效果。 建立面向真实用户场景的 AI 效果评估和迭代机制，通过数据、实验和用户反馈持续改进产品能力。 跟进大模型与 Agent 相关前沿技术，判断其在 C 端创新场景中的适用性，并推动快速验证和产品化落地。
1. 负责CatPaw SDK/CLI能力建设，设计并实现Skill/Plugin体系，持续提升开发者体验。 2. 基于OpenClaw构建CatClaw集群，负责多智能体运行时、路由调度、会话管理及记忆系统的设计与开发。 3. 主导AI编排层开发，包括多模型调度、Prompt工程、Function Calling及上下文管理机制。 4. 推动IM/社交/办公等多端渠道的场景接入，支持浏览器自动化能力集成。 5. 构建安全隔离体系，实现多租户权限控制与数据沙箱机制，保障系统安全性与稳定性。
AI Agent 开发工程师 职位描述 负责 AI Agent 核心能力的设计与研发，包括任务规划（Planning）、工具调用（Tool Use）、记忆管理（Memory）、多轮对话管理等模块； 设计并实现 Multi-Agent 协作架构，包括子 Agent 路由、任务拆解与分配、Agent 间通信协议、结果聚合与冲突消解； 搭建 Agent 评测体系，设计评测数据集与评测维度（准确性、工具调用正确率、任务完成率），建设 A/B 评测流水线，持续优化 Agent 效果； 参与 Agent Harness 框架建设，包括 Agent 执行的编排调度、错误处理与重试机制、降级策略、可观测性（日志、Tracing、Token 用量、延迟监控）； 基于主流 Agent 框架开发可复用的 Agent Skill（技能包），制定 Skill 开发规范，推动 Agent 能力模块化； 参与知识库与检索系统的建设与优化：知识抽取、文档解析、混合检索、重排序等，构建领域知识库和语义索引系统； 使用 AI Coding 工具（Cursor/Claude Code/Codex）进行日常研发，实践 Vibe Coding 范式，持续提升研发效能。
1. 参与 AI Agent 服务层的整体架构设计与落地，建设智能数据高效流转，包括数据接入、清洗、标注、元数据与血缘增强、数据治理、数据安全。 2. 面向大模型与Agent，设计并实现核心服务层组件，负责Agent场景的效果优化，深入研究LLM后训练相关技术，包括CPT/SFT/RLHF/RLVR等，提高算法准确率和效率。 3. 构建可复用的 Agent 框架与组件库（记忆模块、工具箱、调度器等），实现不同任务的快速拼接、部署与生产落地。 4. 跟踪LLM领域的最新研究成果，用以持续提升算法应用效果，研究方向包括但不限于强化学习中的奖励模型的优化和创新，AgentRL，可验证奖励的构建和扩充。 5. 关注前沿 AI 技术在 Agent 场景的落地可用性，推动试点、验证与落地。