蔚来蔚来AGI超星计划-企业智能系统研发工程师
任职要求
我们希望你 - 来自计算机、软件工程、分布式系统、数据库或相关专业； - 具备扎实的计算机基础，理解操作系统、网络、数据库和分布式系统； - 至少熟练掌握 Python、Java、Go、Rust 中的一种； - 能够独立设计并完成一个可运行的系统，而不只是调用已有框架； - 对工程质量敏感，重视测试、可观测性、边界条件和失败恢复； - 对 Agent、RAG、Ontology、数据库或检索系统中的至少一个方向有深入实践。 加分项包括： - 参与过数据库、搜索引擎、数据湖、图数据库、编译器或工作流系统建设； - 熟悉 Spark、Flink、Trino、Iceberg、Doris、Neo4j、Elasticsearch 等系统； - 熟悉 LangGraph、DeepAgents、Semantic Kernel、LlamaIndex 等框架，但不被框架限制； - 有开源贡献、系统论文、程序设计竞赛或高质量个人项目。 我们能提供什么 1. 真实而复杂的问题 你面对的不是公开数据集上的玩具任务，而是企业研发、供应链、制造、质量、财务和经营中的真实问题。 这些问题同时具备： - 数据规模大； - 资产类型复杂； - 权限约束严格； - 业务口径真实； - 错误成本高； - 研究价值和工程价值并存。 2. 从研究到生产的完整闭环 很…
工作职责
方向：ContextOS / Agent Runtime / Distributed AI Systems 你要解决的问题 企业 AI 的困难，不只是调用一次模型。 它需要在复杂权限、异构数据、长链路任务和真实生产环境中稳定运行。 你需要参与建设： - 能连接企业数据、知识、代码、API 和日志的上下文基础设施； - 能供不同 Agent 和 Coding Agent 调用的统一 Runtime； - 能追踪每一次上下文召回、推理和工具执行的运行系统； - 能在权限、安全、审计和成本约束下完成复杂任务的执行框架； - 能支撑企业级 Ontology、Semantic Mapping 和 Context Assemble 的核心引擎。 你会参与的工作 1. 设计和实现 ContextOS 的核心服务，包括对象模型、语义映射、上下文组装、证据链和企业记忆； 2. 建设面向数据表、文档、代码、API、图谱和日志的统一资产接入及处理框架； 3. 设计 Ontology 驱动的查询规划、联邦检索和事实组装机制； 4. 建设 Agent Runtime SDK、Skill Gateway、MCP Gateway、Sandbox 和 Workflow Engine； 5. 打通用户权限、数据权限、工具权限、动作权限和审计链路； 6. 建设 tracing、replay、evaluation hook、badcase 回流和版本回归能力； 7. 面向真实业务场景优化系统性能、稳定性、成本和开发者体验。 值得研究的问题 - 面向企业异构资产的统一语义访问协议； - Ontology 驱动的多源查询规划和执行优化； - 结构化数据、非结构化知识、图谱与 API 的联合 Context Assemble； - 长任务 Agent Runtime 的状态管理、恢复和可回放机制； - 复杂业务 API 的参数规划、约束满足和可靠执行； - 企业级 Agent 的权限传递、最小授权和动态风险控制； - Context Cache、增量更新和时效性一致性； - 多 Agent / 多 Skill 场景下的调度和协同机制； - 面向 Coding Agent 的企业级 Harness 与运行时标准。
课题介绍 当前企业面临系统孤岛、AI 无法自主执行、能力无法复用三大挑战。NIO Skyworks 对标微软 Fabric 和 Palantir 构建企业 AI 操作系统，本课题旨在打造平台“大脑”——Autonomy Operating System，实现感知-决策-执行-进化的完整闭环。 四大核心方向： 方向一：自主决策引擎 - 多源信息融合、因果推断与反事实推理、多目标优化、不确定性量化。适合决策智能/因果推理/优化算法方向。 方向二：多 Agent 协同编排 - 任务分解与规划、Agent 能力匹配、动态编排与容错、跨系统协同。适合多 Agent 系统/LLM Agent/任务规划方向。 方向三：企业状态感知 - 异常检测、时间序列预测、图网络分析、多模态融合。适合时间序列/异常检测/图神经网络方向。 方向四：自主学习进化 - 反馈循环设计、在线学习、知识沉淀、A/B 测试。适合强化学习/在线学习/知识工程方向。 预期产出 技术产出（优先级 P0）: - 核心模块开发：自主决策引擎原型、多 Agent 编排引擎原型、状态感知系统原型 - 技术文档：Autonomy OS 架构设计文档、核心算法技术报告、API 文档和使用指南 业务产出（优先级 P1）: - 场景验证：在 1-2 个真实业务场景（供应链风险预警/用户运营优化/智能制造决策）中验证系统能力 - 平台集成：将核心模块集成到 Skyworks 平台（AgentSight/KnowledgeSight），支持业务团队使用
聚焦于企业级数字化管理场景（包括人力资源、财务、法务、数字化办公等），参与构建面向企业智能运营的数据智能体系，主导AI驱动的数据资产建设、高质量评测机制、数据治理标准及安全合规框架，并与业务团队紧密协作，规划并落地高价值的AI应用场景，推动Data + AI在企业管理领域的深度融合与创新落地。 1、围绕HR、财务、办公等企业核心业务流程，探索端到端的Data + AI解决方案并推动产品化落地。 2、主导构建面向企业场景的大模型/多模态模型评估体系，设计覆盖准确性、合规性、可解释性等维度的自动化评测平台，建立“评测-反馈-优化”闭环机制。 3、负责企业核心业务域的AI数据化建设，构建高质量、结构化、可复用的数据资产与特征库，支撑AI场景的模型微调与应用。 4、主导推动AI数据开发提效，建设DataOps工程体系及工具链，显著缩短从需求到上线的周期，提升数据质量、稳定性与研发效率。 5、持续跟踪及探索Data + AI方向的行业进展（如Data Agent、AIOps、湖仓一体智能优化等），主动开展技术预研与原型验证，推动先进技术在公司中的适配与规模化应用。 6、主导AI应用的工程化落地，建设从Prompt/RAG/Agent编排、服务部署、在线监控到持续迭代的全链路AI工程体系，保障AI能力可交付、可观测、可扩展、可运维。 7、负责设计并实现面向企业场景的AI服务架构，包括模型推理加速、缓存机制、向量检索、上下文管理、工具调用编排等核心能力，支撑复杂业务场景下的高并发、低延迟与高可用。
1、负责阿里巴巴淘天集团内部经营管理的智能化方向相关产品建设，如AI-Agent、机器审核、Document+AI、流程自动化等； 2、深入业务一线，发现与深入理解业务真实需求，挖掘AI赋能业务的场景，一杆到底并带来实际肉眼可见的业务价值； 3、通过技术工程实现，编排与调用LLM、MLLM及其他AI算法能力，有效解决问题并达成业务/技术目标。
在这里，你将直面阿里巴巴这一超大规模组织中最复杂、最多元的HR服务场景；同时，你也将拥有集团在AI领域最前沿的技术资源与战略支持。作为HR AI Native变革的核心推动者，你将与我们一同，用AI重塑HR服务的未来范式。 1. 参与阿里巴巴集团HR AI产品和子产品的建设。 2. 深入理解HR业务流程与用户痛点，将业务需求转化为AI产品方案，完成从用户调研、场景拆解到AI产品落地输出的全流程，确保产品方案兼具业务价值与技术可行性。 3. 持续追踪AI领域（尤其是大模型、Agent框架）的最新进展，评估新技术在HR场景中的适用性，快速将前沿能力转化为可落地的产品方案。