vivoAgent工程师（AI搜索方向）-27届蓝极星
任职要求
1、2027届获得博士学历，计算机、电子信息、软件工程、人工智能、数学等相关专业优先； 2、熟悉 PyTorch / TensorFlow 等框架，对大规模语言模型（如 GPT、LLaMA等）有训练与优化经验； 3、熟悉检索增强生成（RAG）、Agent 架构、LLM wiki、搜索算法（如倒排索引、语义检索）等技术，或熟悉 Vibe Coding、Harness Engineering、微调对齐技术，对搜索场景的 Qu…
工作职责
vivo AI研究院致力于研发业界领先的人工智能技术，通过AI技术打造1001个便利，为全球5亿+vivo用户带来无处不在的惊喜和激动人心的体验，我们已在杭州、深圳、北京等地建立AI研发基地。 在这里，你将与我们一起专注于： 1、下一代个人化搜索问答 Agent 构建 1）设计基于 LLM 的端到端智能问答系统，覆盖意图理解、查询改写、检索增强、多源信息融合与高质量答案生成； 2）探索 Deep Research 能力，解决复杂问题、多轮对话与跨文档推理场景； 2、模型能力演进与前沿探索 1）推动 Reasoning 能力落地（CoT / 多步推理 / 自我反思与验证），提升复杂问题求解能力； 2）探索 RL Scaling、多目标优化等前沿方向，持续提升模型智能上限； 3）构建 Agentic 能力，打造具备自主决策能力的智能系统； 3、高价值场景落地 1）打造从“信息获取 → 理解 → 重新组织”的一体化体验（如知识库、推荐、问答等）； 2）融合结构化数据与实时信息，实现多模态、多源知识协同推理； 4、评测体系与工程闭环建设 1）构建覆盖真实性、时效性、权威性、相关性与用户体验的评测体系。 2）打通数据 - 模型 - 系统优化闭环，持续提升效果与工程效率。
核心架构设计与研发：负责搜索、推荐及 AI Agent 系统的后端核心架构设计与工程落地，保障系统在高并发、低延迟、高可用场景下的稳定运行AI Agent 与 RAG 工程落地：配合算法团队，负责 AI Agent、多 Agent 协作流、RAG（检索增强生成） 的工程框架搭建，以及大模型流式输出的工程优化、Prompt 管理服务化建设搜推工程与性能优化：负责搜索索引构建、工程召回、粗精排服务阶段的工程化支撑与性能调优。负责向量数据库选型、接入与查询优化，支撑大规模 Embedding 的高效检索业务价值与数据闭环：与 AI 策略产品经理、算法工程师紧密配合，支持 A/B Testing 实验平台的设计与接入，支撑快速迭代。负责线上服务的监控、容灾与干预降级机制，确保大模型幻觉或异常情况下的合规底线
● 负责 AI 搜索、知识问答等前端功能的设计与开发； ● 参与 AI 搜索、知识问答的前端架构设计与优化，确保系统的高性能与可扩展性； ● 深度参与搜索、推荐、语义理解等 AI 能力的前端实现，优化用户体验； ● 负责前端工程化建设，完善工具与规范，提升研发效率和质量。
1. 作为核心技术骨干，参与企业级 Agentic Search / 通用 Agent 平台的架构设计、技术选型与核心链路研发。 ● 设计并演进 Agent 的任务规划、步骤分解、工具调用、状态管理、上下文管理、记忆机制与执行调度框架。 ● 构建面向复杂问题的 Deep Search / Deep Research 能力，使系统具备多轮检索、多步推理、动态改写查询、反思校验与结果综合能力。 ● 推动 Agent 系统从 Demo 形态走向生产级系统，重点解决稳定性、可观测性、可控性、延迟、成本与评测闭环问题。 2. RAG 与复杂知识检索技术攻坚 ● 深入优化 RAG 系统架构，解决海量异构企业文档、知识库、业务数据中的解析、切分、索引、召回、重排与答案生成问题。 ● 构建面向 Agent 的检索基础设施，包括混合检索、语义召回、结构化查询、知识图谱检索、GraphRAG、多跳检索与上下文压缩能力。 ● 设计高质量的 Query Understanding / Query Rewriting / Intent Routing 机制，提升 Agent 在复杂任务中的检索精度与推理效率。 ● 解决长上下文、长链路任务中的信息丢失、幻觉控制、引用溯源、事实一致性与结果可信问题。 3. Agent 工程化与系统能力建设 ● 负责 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt / Policy 管理、任务队列等关键模块的设计与实现。 ● 建设面向生产环境的 Agent 可观测体系，包括调用链追踪、步骤日志、失败恢复、成本监控、质量评估与在线反馈机制。 ● 优化 LLM 调用链路的性能与成本，包括模型路由、缓存、并发控制、流式输出、推理加速、上下文裁剪与多模型协同。 ● 与算法、产品、业务团队协作，将 Agent 能力落地到企业搜索、知识问答、业务助手、自动分析、智能运营等真实场景。 4. 搜索、模型与多模态能力融合 ● 构建和优化混合检索架构，实现全文检索、向量检索、结构化检索、知识图谱与业务规则的深度融合。 ● 推动排序、重排、语义匹配、跨模态理解等模型能力在 Agentic Search 场景中的工程化落地。 ● 支持文本、表格、图片、PDF、Word、网页、业务系统数据等多源异构信息的统一理解、索引与调用。 ● 持续提升系统在准确率、召回率、推理深度、响应时延、用户满意度等维度的综合表现。 5. 技术引领与团队赋能 ● 解决 Agent 系统研发过程中的复杂工程问题，包括长任务稳定性、工具调用失败恢复、复杂上下文管理、评测体系建设、线上质量退化定位等。 ● 建立高质量的工程标准，通过架构评审、Code Review、技术分享与结对编程，提升团队在 Agent、RAG、搜索和大模型工程方向的整体技术深度。 ● 持续跟踪 Agentic AI、Deep Research、GraphRAG、多模态 Agent、LLM Evaluation、模型推理优化等前沿技术，并推动其在业务中的合理落地。
1. 负责联网搜索基础设施建设，包括网页抓取、采集调度、站点适配、反爬策略、代理管理、失败重试、增量更新、数据合 规与链路监控。 2. 建设网页内容理解与数据处理链路，支持 HTML、PDF、Word、表格、图片、动态网页等多源内容的解析、正文抽取、去 噪、去重、质量评估与结构化处理。 3. 负责离线通用索引构建体系，建设面向大规模网页和异构数据的倒排索引、向量索引、结构化索引、混合索引、增量索引 和索引质量评估能力。 4. 建设垂类搜索能力，面向企业知识、行业数据、内容、商品、业务系统等场景，设计领域数据 Schema、召回策略、排序策 略、过滤规则和结果展示策略。 5. 建设搜索质量优化与数据回流链路，包括 Query 日志、点击行为、用户反馈、Badcase 归因、人工标注、训练数据构建、 离线评测、在线 A/B 实验和排序迭代闭环。 6. 设计和优化搜索召回与排序体系，融合全文检索、语义召回、结构化查询、知识图谱、业务规则、Learning to Rank、 Reranking 等能力，提升相关性、时效性和可信度。 7. 构建面向 Agent 的 Deep Search / Deep Research 能力，支持多轮检索、多步推理、动态 Query 改写、结果聚合、反思 校验、引用溯源和答案生成。 8. 深入优化 RAG 与 Agentic Search 架构，解决复杂任务中的意图理解、Query Rewriting、Hybrid Search、Context Compression、多跳检索、GraphRAG、幻觉控制与事实一致性问题。 9. 参与 Agent 平台核心模块建设，包括 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt / Policy 管理、任务队列和执行调度框架。 10. 推动系统生产化落地，重点解决稳定性、可观测性、延迟、成本、质量评估、失败恢复和线上效果退化定位等问题。