理想汽车Agent知识挖掘工程师-北京
任职要求
1. Python 基础扎实，具备数据处理、数据分析或知识抽取相关项目经验； 2. 熟悉 NLP/信息抽取/文本分类/Embedding 检索等基础方法，对 RAG、向量数据库有一定理解； 3. 对测试数据、业务数据、知识库建设有兴…
工作职责
1. 参与 Agent 能力建设中的知识与记忆体系研发，围绕 Skill、Memory、知识抽取与知识沉淀开展工作； 2. 挖掘测试执行记录、历史用例、用户操作行为、插件文档、会议记录、代码信息等多源数据，识别高频模式并沉淀为结构化知识； 3. 建设主动挖掘与被动挖掘双链路：a.主动挖掘：从文档、历史记录、代码与业务资料中自动提炼 Skill/Knowledge；b.被动挖掘：将用户修正、HITL 反馈、使用过程中的 Diff 等转化为可迭代更新的知识候选； 4. 参与 Memory 架构设计，包括个人/项目/团队多层 Memory 的存储、检索、版本管理与质量评估； 5. 参与知识工程相关能力建设，包括代码知识提取、多模态文档理解、语义对齐、知识质量验证等，提升非结构化/半结构化数据的可利用性； 6. 建立并持续优化知识覆盖率、召回准确率、知识飞轮增长等相关指标体系。
1.负责 WorkBuddy 会话的渲染模块，提升对话的可读性、可互动性； 2.设计 WorkBuddy 会话中的组件能力，提升 agent 的表达力上限； 3.基于会话组件，建设完善生态。
职位描述 1、用户数据分析与产品优化：深入分析用户对 Agent 的使用情况，包括但不限于用户行为路径、功能使用频率等数据指标，完成用户需求满足度分析，识别用户痛点和未被满足的需求，提出并推动 Agent 供给补充或优化建议； 2、用户反馈分析和体验设计：收集、整理和分析用户反馈，发现产品问题并提出解决方案。通过用户调研、可用性测试等方式，深入了解用户需求和使用习惯，参与用户体验设计； 3、竞品分析与市场洞察：对标和分析 ChatGPT 等通用大模型产品、以及市面上其他通用 Agent 产品。从功能、体验、技术、商业模式等多个维度进行深入竞品分析，洞察市场趋势和产品发展方向。
你将加入创新业务核心算法团队，围绕创新业务场景，利用 LLM、RAG、Tool Use、Multi-Agent 等前沿技术，打造真正理解用户需求、具备规划与执行能力的新一代 AI Native 产品。 岗位职责 1、负责通用 Agent 框架的设计与研发，包括意图识别（Router）、任务规划（Planning）、工具调用（Function Calling）、检索增强生成（RAG）、状态管理（Memory）等核心能力，构建可支撑复杂任务执行的智能体系统。 2、深入创新业务核心场景，设计垂类 Agent，打通用户状态、结构化信息、环境信息、知识库等多源信息，提升用户从“提出需求”到“获得可执行方案”的效率与体验。 3、基于开源或自研基座模型，利用 SFT、RL 等技术进行垂直场景微调，增强模型在复杂指令遵循、规划推理、工具使用、个性化表达与安全性上的能力。 4、面向长链路、复杂任务场景，探索并落地 Multi-Agent 协作机制，提升系统任务完成率、稳定性与可解释性。 5、建设 Agent 自动化评测平台，制定覆盖任务完成度、相关性、可执行性、工具调用准确率与安全性的多维指标，通过离线评测与在线 A/B 实验持续驱动效果优化。
1. 基于VLM/Agent等 AI 能力，融合图文/视频笔记的文本、图像、视频、音频等多维度信号，覆盖笔记、评论、账号、交易、直播等多体裁场景的国际化内容风险识别与处置，持续提升主动召回能力，实现风险、体验、效率的协同优化。 2. 建立并持续演进 Rednote 的内容特征体系与内容分级系统，输出结果应用于治理中的处置判罚、以及搜推流控等核心链路，为 Rednote 全球生态的内容质量与安全构建长期竞争壁垒。 3. 负责面向 Rednote 治理、内容理解、编辑等核心场景的 Agent 系统端到端研发，涵盖 ReAct / Tool Use / Multi-Agent 架构、意图理解与任务规划；深度参与 Agent 效果优化——从工具设计、上下文管理、编排策略到 Agentic RL 的 Post-Training，产出效果领先的 产品。 4. 深度参与LLM/VLM 的预训练、SFT、RL 等全链路训练，参与构建多模态内容理解、编辑、生成等 AI 基础能力，推动 AI 从技术到业务价值的闭环落地。 5. 持续追踪AI Agent领域的最新进展，引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在rednote业务中的应用，保持团队的技术领先性；，沉淀国际顶会论文（CVPR/NeurIPS/ICLR/ACL 等）