商汤云端智能agent开发工程师

职位职责（Responsibilities） 1.主导云端智能 Agent 的系统架构设计与核心模块开发，涵盖对话状态管理、意图推理、上下文建模、响应生成、工具调用（Tool Calling）及多模态决策逻辑。 2.设计并实现高可用、低延迟、可扩展的微服务架构，支撑百万级 QPS 的并发对话请求，保障系统稳定性与容灾能力。 推动大语言模型（LLM）在云端 Agent 中的深度集成，包括 Prompt 工程优化、上下文压缩、推理加速、缓存策略、Agent 编排框架等关键技术落地。 3.深入分析系统性能瓶颈，优化从请求接入、上下文检索、模型推理到响应生成的全链路延迟，持续提升 TTFB（首字节时间）与用户体验。 探索基于 RAG、Function Calling、Agent 记忆机制、个性化建模等前沿技术的工程实现路径，推动创新功能产品化。 4.与算法、产品、运维团队紧密协作，完成从技术预研、灰度发布到全量上线的全周期交付。

我们正在寻找对大语言模型（LLM）的应用落地、效果调优和系统效能提升充满热情的工程师。您将加入我们的核心研发团队，主要负责将先进的 LLM 技术转化为实际的业务价值，特别是在指令微调（SFT）、智能体（AI Agent）的设计与部署，以及应用基础设施（Infra）的优化。我们的目标是打造高效、可靠、智能的 LLM 应用解决方案，加速模型在人形机器人、自动驾驶、多模态等前沿领域的落地。 1. LLM 微调与应用落地：负责设计并执行 LLM 的指令微调（SFT）和对齐（如 RLHF/DPO）实验，以提升模型在特定应用场景（如代码生成、复杂推理、对话）的表现。主导模型效果的评估体系搭建和优化，确保模型输出的准确性、安全性和一致性。 2. 云端训练框架与效率优化：主导 LLM 微调（SFT/对齐）流程在云端环境下的效率优化，包括数据加载、多机通信、资源调度、框架稳定性等方面，确保 SFT 流程的高效、稳定和低成本运行。 3. 前沿应用技术追踪：紧密追踪 LLM 在 Agent 框架、长上下文处理、多模态交互等应用层面的最新研究与工程实践，并将其快速引入到产品线。 4. AI Agent 研发与部署：探索并实践基于 LLM 的 AI Agent（智能体） 框架，包括工具调用（Tool Use/Function Calling）、规划（Planning）、记忆（Memory）等核心模块的设计与实现。将开发的 Agent 系统集成到实际产品或业务流程中，提升自动化和智能决策能力。 5. 跨团队协作：与算法、数据和产品团队紧密合作，将模型优化成果快速产品化，并收集应用层的反馈来指导下一轮模型迭代。

我们正在寻找对大语言模型（LLM）的应用落地、效果调优和系统效能提升充满热情的工程师。您将加入我们的核心研发团队，主要负责将先进的 LLM 技术转化为实际的业务价值，特别是在指令微调（SFT）、智能体（AI Agent）的设计与部署，以及应用基础设施（Infra）的优化。我们的目标是打造高效、可靠、智能的 LLM 应用解决方案，加速模型在人形机器人、自动驾驶、多模态等前沿领域的落地。 1. LLM 微调与应用落地：负责设计并执行 LLM 的指令微调（SFT）和对齐（如 RLHF/DPO）实验，以提升模型在特定应用场景（如代码生成、复杂推理、对话）的表现。主导模型效果的评估体系搭建和优化，确保模型输出的准确性、安全性和一致性。 2. 云端训练框架与效率优化：主导 LLM 微调（SFT/对齐）流程在云端环境下的效率优化，包括数据加载、多机通信、资源调度、框架稳定性等方面，确保 SFT 流程的高效、稳定和低成本运行。 3. 前沿应用技术追踪：紧密追踪 LLM 在 Agent 框架、长上下文处理、多模态交互等应用层面的最新研究与工程实践，并将其快速引入到产品线。 4. AI Agent 研发与部署：探索并实践基于 LLM 的 AI Agent（智能体） 框架，包括工具调用（Tool Use/Function Calling）、规划（Planning）、记忆（Memory）等核心模块的设计与实现。将开发的 Agent 系统集成到实际产品或业务流程中，提升自动化和智能决策能力。 5. 跨团队协作：与算法、数据和产品团队紧密合作，将模型优化成果快速产品化，并收集应用层的反馈来指导下一轮模型迭代。

Steam 部门设立于2025年1月，正如蒸汽机（Steam Engine）在工业革命 1.0 中所象征的创新开端，我们也希望以此之名，积极探索云与 AI 结合的产品方向。 在当前大模型能力日新月异的情况下，唯有坚持自己的核心价值主张和对未来的判断，且面向半年至一年后的大模型能力打造应用产品，才有一战的可能。对于大模型领域的未来进展，我们相信: 1) 大模型的智商会快速接近乃至与人类齐平； 2) 大模型的多模态理解能力，特别是视觉能力将得到长足发展； 3) 在1和2前提下，信息处理类工作将最终被 AI 接管，大量替代真人员工。 对于阿里云如何做到云+ AI，我们认为"云的最大客户会是 AI"，我们的行动路径是让更多现实世界的工作量从“人类脑力劳动”转移到“云端 AI 消耗的计算资源”。 在这些认知下，我们确定了“高效完成重复任务，完整替代人类工作”的产品目标，如果你也相信这个未来，欢迎上船。 1、​AI产品质量保障体系构建​：主导AI产品（含Agent、模型服务等）的全生命周期质量保障，制定测试策略、设计测试方案与质量标准，推动研发流程优化； ​2、效能提升与自动化​：通过持续集成（CI/CD）、自动化测试平台及线上质量监控体系，提升团队测试效率与问题拦截能力； ​3、复杂项目质量管控​：主导中大型AI项目的质量保障，包括测试策略制定、流程优化、风险预警及质量复盘，确保关键节点交付质量； 4、​技术驱动与协作​：推动测试技术创新（如AI场景专项测试、自动化工具链），协同研发团队提升代码质量与交付效率。