蚂蚁金服蚂蚁集团-智能服务技术高级工程师（主站客服）-杭州/成都【AI Force】

该岗位未来1-2年，主要负责大模型电话智能服务方向的探索和研发。 系统能力方向：大模型电话应用方向会在厘清、解决、对话策略、规则等方向不断探索和优化，打造行业一流的大模型电话服务系统。参与负责系统能力的迭代把控。负责需求的落地、架构规划，主导技术方案的设计。负责参与大模型应用各阶段能力的建设。 数据能力方向：系统能力所产生的服务数据，对提升服务体验和解决能力有着至关重要的作用，是改善服务能力的重要观测工具。负责参与数据运营能力的建设，建设相应的数据大盘及监控工具。 团队合作方向：负责与跨团队智能工具能力建设，如风控、路由、用户分层等。 在上述方向上同时负责日常服务问题的处理，在部分核心能力建设上作为主R带领其他同学高质量的完成需求交付，达成业务结果。

1.主导公司级的AI Tools平台架构设计，构建工具注册、语义加工与权限管理体系，设计多业务场景里Agent对工具的高效调用和管理平台； 2.开发公司级Agent-Tools协同框架，设计Tools动态检索、执行隔离与上下文共享机制，解决多Agent协同作业时的工具准召提升，结合RAG优化、知识库融合等技能，提升Agent在高并发下的工具决策效率； 3.建设高可用工具服务中台，优化工具调用链路（压测/熔断/降级/流量调度），支撑十到百万级QPS的工具服务响应，保障复杂业务场景的并发可靠性； 4.推进跨团队技术协同，主导工具接入标准制定、开发者生态建设与业务方联动，通过统一协议实现Agent-工具-业务系统的高效对接，有高度的服务客户意识；

1. 深入理解数据分析需求，负责小米广告海量数据的高性能数据分析平台，帮助广告商业化提效 2. 深入理解广告业务，负责小米广告系统智能诊断与监控，保障系统稳定运行 3. 负责小米广告系统与广告主间投放策略、数据归因等能力交互，承载高并发、低时延的架构需求 4. 负责广告数据平台智能问数、智能诊断Agent相关开发

团队介绍： 我们团队为用户提供满足各种出行场景的好路线，提供极致的出行体验，同时服务C端、B端，涵盖自驾、打车、物流等多种业务场景，我们的每一次技术升级或业务的改进都能影响全国用户，有非常复杂的高并发分布式服务系统架构，有业界最先进的路线规划算法（cbr,cch,rch,raptor等)。如果你想发挥你的想象力创造更多社会价值，如果你享受克服困难和挑战自我的喜悦，如果你热爱技术并喜欢追求极致性能和效果，如果你渴望挖掘出源源不断的新应用场景，那就加入我们团队吧！ 岗位职责： 你将加入高德在线导航服务团队，从0到1参与打造手车一体的「出行域 Agent」。目标体验对标特斯拉车机中的 Grok：让用户可以用自然语言完成从出行规划、实时导航到行程中各类决策的全流程交互，实现“能听懂、会思考、帮决策、可执行”的智能出行助手。 工作职责： 1.子Agent架构设计与服务实现 a)参与设计出行域子Agent的整体技术架构，包括调用链路、状态管理、容错与降级方案。 b)实现与高德主Agent的协议对接和能力编排，支持多轮对话、工具调用、跨场景任务协同。 c)在手机端与车机端统一能力出口下，处理不同终端、不同地区/国家的差异化需求（如地图/POI/法规差异）。 大模型微调与蒸馏落地 2.针对出行/导航/车机场景，设计与构建高质量训练数据（提示词工程、对话数据、工具调用日志等）。 a)参与或主导对基础大模型的大规模微调（Supervised Fine-tuning / Preference Optimization 等），提升在出行域的理解和决策能力。 b)负责模型压缩、蒸馏与推理优化，使模型在服务端/边缘侧兼顾效果与时延。 3.Agent能力调优与决策优化 a)设计和优化子Agent的工具使用策略（Tool / Function Calling），包括路况查询、路线规划、POI 检索、多目的地规划、国际场景信息调用等。 b)在弱网、高并发、复杂上下文下优化Agent的鲁棒性和决策稳定性。 c)针对复杂出行任务（如跨城自驾、多目的地行程、充电/加油规划、实时绕行、国际出行规则差异）进行专项调优。 4.效果评测与质量体系构建 a)搭建出行Agent的自动化评测框架，包括：指令理解准确率、工具调用正确率、任务成功率、响应时延、用户反馈闭环等。 b)构建离线评测集和真实流量回放机制，持续追踪模型与系统升级带来的收益和风险。 c)联合产品与运营，通过灰度发布、A/B 实验驱动持续优化。 5.性能与稳定性保障 a)在9亿+月活与车机大规模接入背景下，对服务进行高可用、高性能设计（限流、降级、缓存、异步架构、观测性体系）。 b)处理线上复杂问题（流量波动、模型异常、工具依赖故障等），建立监控、告警和自愈机制。 6.前沿技术探索与工程化落地 a)跟踪 LLM、Agent、RAG、多Agent协作、规划与推理（Planning & Reasoning）、多模态等方向的最新进展，并筛选适合出行场景的技术方案。 b)探索将地图/导航结构化数据与大模型结合的最佳实践，让Agent真正“看得懂地图、懂路况”。