顺丰大模型算法工程师（智能Agent/多智能体/场地智能）

1、智能Agent研发 基于 AutoGen 或 LangGraph 框架，设计和实现多智能体（Agent）系统，支持 Agent-to-Agent 协作。 构建物流垂域的智能应用场景，如运输调度、仓储优化、路径规划、订单跟踪与异常处理。 2、系统架构与优化 负责多智能体系统的架构设计、任务分解与交互协议制定。 优化 Agent 的推理链路和交互效率，提升系统的稳定性与可扩展性。 3、模型与数据集成 将大语言模型与物流业务数据（订单、运单、库存、GPS轨迹等）结合，提升智能体的业务理解与决策能力。 参与构建和优化奖励机制、反馈回路，确保 Agent 输出符合业务目标。 4、跨团队协作 与产品、算法、业务团队紧密合作，推动智能Agent在物流场景的落地与迭代。

1. 智能Agent研发：基于AutoGen或LangGraph框架，设计和实现多智能体(Agent)系统，支持Agent-to-Agent协作。构建物流垂域的智能应用场景，如运输调度、仓储优化、路径规划、订单跟踪与异常处理。 2. 系统架构与优化：负责多智能体系统的架构设计、任务分解与交互协议制定。优化Agent的推理链路和交互效率，提升系统的稳定性与可扩展性。 3. 模型与数据集成：将大语言模型与物流业务数据(订单、运单、库存、GPS轨迹等)结合，提升智能体的业务理解与决策能力。参与构建和优化奖励机制、反馈回路，确保Agent输出符合业务目标。 4. 跨团队协作：与产品、算法、业务团队紧密合作，推动智能Agent在物流场景的落地与迭代。

1、智能Agent研发 基于 AutoGen 或 LangGraph 框架，设计和实现多智能体（Agent）系统，支持 Agent-to-Agent 协作。 构建物流垂域的智能应用场景，如运输调度、仓储优化、路径规划、订单跟踪与异常处理。 2、系统架构与优化 负责多智能体系统的架构设计、任务分解与交互协议制定。 优化 Agent 的推理链路和交互效率，提升系统的稳定性与可扩展性。 3、模型与数据集成 将大语言模型与国际物流业务数据（订单、运单、库存、GPS轨迹等）结合，提升智能体的业务理解与决策能力。 参与构建和优化奖励机制、反馈回路，确保 Agent 输出符合业务目标。 4、跨团队协作 与产品、算法、业务团队紧密合作，推动智能Agent在物流场景的落地与迭代。

1、大模型与智能体核心能力建设： 围绕销售及大件业务场景，负责大语言模型在意图识别、规划理解、多轮对话、用户画像与偏好洞察、话题与线索分析、知识问答及 chatBI 等核心能力上的应用设计、微调与持续优化，支撑线索智能体、销售助手智能体及大件智能体等关键场景落地。 2、智能体推理链路与多智能体协同设计： 参与线索子智能体、销售助手子智能体、大件智能体与一级、三级销售智能体的大模型协同架构设计，构建基于大模型的多轮推理、任务分解与业务决策链路，提升智能体在复杂销售与大件业务场景下的理解、决策与协同执行能力。 3、智能体工程化与能力复用建设： 设计并持续优化 Prompt、RAG（检索增强生成）、工具调用及 Agent 协作机制，推动大模型、推荐及相关决策能力的工程化落地，保障智能体能力的稳定性、可扩展性与跨场景复用。 4、业务决策模型与数据驱动优化： 结合销售线索质量、智能报价与折扣策略等业务需求，支持折扣方案模型的优化与场景拓展，通过数据挖掘与分析持续评估智能体与模型效果，驱动核心能力的迭代优化与业务价值提升。