小米顶尖应届-AI Agent 编排工程师-MiClaw
任职要求
1. 软件架构经验，有 LangGraph、AutoGPT、CrewAI 等框架深度使用或自研经验者优先。 2. 精通 Prompt Engineering，能够设计高压缩比、高指令遵循度的 System Pro…
工作职责
1. 架构设计：设计 MiClaw 在移动端的自主 Agent 编排框架，实现复杂任务的自动化拆解与执行（Planning & Reasoning）。 2. 编排优化：研发基于 ReAct、Plan-and-Execute 或 Multi-Agent 的协同模式，确保 Agent 在手机端不陷入逻辑死循环（Loop Detection）。 3. 工具调用 (Tool-use)：定义端侧工具调用规范，利用 MCP/A2A/appfunctions 等协议打通手机系统能力（日历、相册、快捷指令等）。 4. 请求路由：设计端云协同的动态路由机制，根据任务意图决定在本地推理还是请求云端模型。
我们正在寻找业界顶尖的系统专家，加入我们的AI基础架构团队，共同设计和构建下一代生成式AI的“在线服务操作系统”。您的使命是解决将前沿AI能力（大模型、AI Agent、多模态等）转化为大规模、高效率、高可用在线服务时所面临的系统性、全栈性挑战。您将负责端到端的服务性能与架构演进，从顶层应用到底层硬件，全面提升AI服务的竞争力。 具体职责包括（若你对以下一个或者多个方向感兴趣均欢迎投递）： 1. 大规模模型服务平台与智能调度系统设计： (1)负责承载大规模在线模型服务（Serving）平台的核心架构设计与演进，通过对底层推理引擎（如PAI平台提供）的深度适配与协同优化，实现极致的推理吞吐与资源利用率。 (2)设计并实现面向复杂混合负载（长/短序列长度、多Lora、多模型、异构资源、多租户、高/低优先级）的上层智能请求调度与资源管理系统，通过与推理引擎的深度协同，动态调整调度策略，保障服务质量（SLA）并最大化云上服务的性价比。 2. 分布式基础设施与底层硬件优化： (1)负责面向大规模模型服务的分布式推理拓扑管理与通信计算协同优化，针对张量并行、流水线并行等场景，优化跨节点通信（InfiniBand/RoCE, NVLink），降低端到端延迟。 (2)深入理解GPU、NPU等异构硬件架构与特性，负责从服务层面对底层计算、编译优化（由PAI等引擎团队提供）进行性能评测、分析与反馈，驱动端到端的硬件效能提升。 3. AI应用层运行时与算法协同优化： (1)深入AI Agent、检索增强生成（RAG）、多模态理解等复杂应用场景，设计并优化其专用的高效运行时（Runtime），解决长链条、多依赖、异步任务流的性能瓶颈。 (2)负责高性能向量检索（Vector Search）与图计算（Graph Computing）引擎的服务化与集成，优化其在RAG和复杂推理场景下的数据访问与计算效率，实现数据层与模型层的无缝高效协同。
1. 日常开发协作：熟练运用 Claude Code、GitHub Copilot、Cursor 等 AI 编程助手开展日常开发工作，以 AI 为生产力倍增器，高效完成编码任务，同时保持对 AI 输出的批判性思维，保障代码质量与安全性。 2. 需求拆解与提示设计：凭借良好的问题分解能力，将复杂业务需求拆解为清晰、可执行的任务，并转化为精准的 AI 提示，引导 AI 高效产出符合要求的内容。 3. 代码处理与审查：掌握至少一门主流编程语言，理解代码架构与设计模式；能够快速阅读、理解并审查 AI 生成的代码，精准识别其中潜在的逻辑、安全等问题。 4. 技术适配与学习：快速学习新技术、新工具，主动适应 AI 原生时代快速迭代的技术栈，持续提升自身技术能力与适配能力。 5. 文档与上下文构建：具备优秀的文档编写能力，为 AI 提供清晰、完整的项目上下文、技术文档等信息，助力 AI 更精准地辅助开发工作。 6. 拓展实践（加分项相关）：可参与 LLM API、RAG、Agent 等 AI 应用开发，熟悉提示工程（Prompt Engineering）与 AI 工作流优化；也可参与开源项目、输出技术博客，持续沉淀技术经验与见解。
1. 构建行业有影响力的各类智能体和研究对应学术前沿问题，训练业界效果领先的大模型智能体模型，并通过发表论文、开源、竞赛等，打造学术影响力； 2. 打造业界一流的通用大模型智能体解决方案，并落地小米核心业务。 【课题名称】 大模型智能体研究与应用 【课题内容】 构建行业有影响力的各类智能体和研究对应学术前沿问题，包括但不限于： 1. 研究通用任务AI Agent核心技术，包括但不限于规划、工具调用、多智能体等，并构建和开源业界有影响力的AI Agent模型和解决方案； 2. 研究GUI Agent相关核心技术，包括但不限于SFT、离线强化学习、在线强化学习等，并训练和开源业界有影响力的GUI Agent模型； 3. 研究强化学习算法全流程核心技术，包括但不限于算法优化，奖励函数设计、环境构建等，并基于强化学习构建和开源业界有影响力的推理大语言模型、GUI Agent模型、deep search模型等； 4. 研究RAGRAG全流程核心技术，包括但不限于音-视-文全模态理解与生成、端侧RAG等，并推动相关领域技术突破和业务落地。
1. 探究Agentic AI的核心技术，包括但不限于规划、工具调用，多智能体协作等，进行前沿学术研究，并探索材料科学领域可能的应用方向； 2. 结合材料科学的研究方法，例如传统模拟仿真（DFT，MD，FEM等）、表征结果分析、以及实体实验室等，使用Agent驱动前述工具，发表有影响的研究工作； 3. 结合小米实际业务场景，面向产品优化Agentic AI驱动的材料研发技术，并进行实际应用落地。 【课题名称】 大模型智能体驱动材料设计研究 【课题内容】 建立领先的Agent驱动材料研发范式，驱动小米新材料高效研发与实际应用落地，为小米构建新材料技术与应用高地提供方法支撑。