商汤大装置-Agent开发工程师
任职要求
1. 本科及以上学历，计算机 / AI / 相关专业背景，精通 Python。 2. 有 LLM 或 Agent 应用开发经验，熟悉 LangChain、LangGraph、LlamaIndex、AutoGen 等之一。 3. 熟悉 RAG 架构，了解向量数据库（如 Milvus、Chroma、Pinecone 等）。 4. 有 Function Calling / Tool Use 的实际开发经验，能处理模型幻觉与异常输出。 5. 具备…
工作职责
负责基于大模型构建可落地、可复用的 AI Agent 应用与服务，让模型从“能对话”进化为“能完成任务”。 1. 基于主流大模型（如 Qwen、DeepSeek、SenseNova 等）设计并开发 AI Agent，解决真实业务问题。 2. 负责 Agent 核心能力开发，包括 任务规划、工具/API 调用、记忆机制（RAG）与结果校验。 3. 使用 LangChain / LangGraph / AutoGen 等框架，构建 单 Agent 或多 Agent 协作流程。 4. 编写和优化 Prompt，持续提升 Agent 输出的 稳定性、准确性和可控性。 5. 将 Agent 能力封装为 API 或服务，集成到现有业务系统中，并关注 效果、成本与延迟。
1. 负责 Agent / MaaS 平台后端系统的 架构设计与模块拆解，主导核心服务与通用能力的技术实现。 2. 设计并实现 可复用的服务框架与中间层能力，支撑多业务线、多 Agent 场景的统一接入与演进。 3. 优化后端系统的 接口设计、数据模型与服务治理机制，提升平台整体的稳定性、性能与可维护性。 4. 参与构建平台级基础设施能力，包括 认证鉴权、配置管理、日志、监控、告警与运维支撑体系。 5. 推动工程规范与技术标准建设，提升代码质量与交付效率，并指导团队成员进行设计与优化。 6. 与产品、前端、算法、运维等团队协作，推动平台能力在实际业务中的落地与持续迭代。
在导师指导下，参与大模型智能体（Agent）的开发与应用落地，包括但不限于： 1. 参与 Agent 应用的设计与实现，探索从对话到任务执行的智能体能力。 2. 协助设计和优化 Prompt 策略（如 CoT、ReAct），提升模型输出的稳定性与可用性。 3. 基于 LangChain、LlamaIndex 等框架，搭建 RAG（检索增强生成） 应用链路。 4. 实现 Agent 对外部工具的调用（API / 数据库 / 内部系统），支持简单的任务规划与自动化流程。 5. 参与 Demo、内部工具或实验性项目的开发与迭代。
你将聚焦于 大模型 Agent 在真实业务场景中的算法设计与评估问题，推动 Agent 从“可用”走向“稳定与可控”，具体包括： 1. 设计并优化 Agent 与 RAG 相关算法方案，提升复杂任务下的准确性、稳定性与泛化能力。 2. 围绕 Agent 行为、模型输出质量与幻觉问题，设计系统化的评测方法（Evals），包括评测集、指标与自动化评估流程。 3. 结合业务场景，探索 模型微调、Prompt 策略或强化学习等方法，持续改进 Agent 表现。 4. 跟踪并复现 LLM / Agent 领域前沿研究，将有效方法转化为可落地的算法方案。 5. 输出算法相关成果，包括技术分享、内部文档、专利或论文（如适用）。
负责 LazyRAG（https://github.com/LazyAGI/LazyRAG）与 LazyLLM（https://github.com/LazyAGI/LazyLLM）的核心框架研发，完善文本解析的算子体系，优化性能与稳定性，并能够独立完成复杂问题定位与端到端问题修复。 1. 参与 RAG / Agent 框架核心模块设计与开发 2. 优化计算密集型任务、异步并发、执行链路与整体运行性能 3. 独立定位复杂Bug，并完成端到端问题闭环