小米AI Agent 活动运营

1.负责小米集团 AI Agent Skill大赛和黑客松大赛全周期运营与落地，涵盖赛程设计、报名组织、作品征集、评审推进、颁奖展示等全流程，确保活动质量与业务实效。 2.负责 AI Agent 的日常运营，监控使用数据与用户反馈，运营用户社群，提升活跃度与用户满意度。 3.策划并执行 AI Agent 相关推广活动（功能宣发、使用挑战赛、最佳实践评选等），负责方案撰写、物料准备、执行落地与数据复盘全流程，搭建活动运营数据看板，沉淀可复用的活动 SOP。 4.制作 AI Agent 使用教程、操作手册、FAQ 文档，面向新用户开展培训工作坊，一对一辅导重点用户挖掘业务应用场景。 5.跟踪 AI Agent 行业动态，调研竞品运营策略，总结最佳实践，沉淀运营方法论；协助构建用户画像与运营数据分析体系。

1、构建电商Agent核心大脑与前沿技术落地：探索主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，构建稳定可靠的Valley-Agent基座，重点提升任务的自动规划与调度、工具调用、多模态交互及深度研究能力；持续追踪AI Agent领域的最新进展（如Codex,OpenClaw,Hermes,ClaudeCode等），引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在国际电商治理场景的创新应用； 2、打造电商场景Skills工具集：基于电商业务系统，构建和优化一系列高性能、可复用的Skills。这包括利用小尺寸模型打造支撑高QPS场景的基础模型工具集，也包括将复杂的业务SOP（标准作业程序）封装为稳定可调用的治理Agent（如审核、RCA、立规Agent）； 3、研发与优化Agentic RL：基于主流Agent框架，并结合Post-training技术（SFT/RLHF）与强化学习（PPO/GRPO）对模型进行持续优化，建立电商大模型的Agentic RL训练体系，提升模型在复杂问题上的准确率与动态反思能力； 4、探索Agent自动化与自进化：结合Auto-Workflow与多智能体系统（MAS），一方面支持工作流的自动生成与优化，另一方面探索基于Agentic RAG和Memory机制的自进化（Self-Evolution）闭环，让Agent能够从真实交互数据中学习，持续提升其决策与执行能力； 5、构建稳定可靠的Agent基础设施：负责Agent系统的性能与稳定性优化，包括资源利用、QPS、成本控制、环境交互速度等，并沉淀通用能力，构建包含可观测性与权限体系的Agent Infra，保障系统的安全可控。

这是一个综合的AI推理、优化的技术岗位，适合希望从事以下工作的候选人投递： ● 希望从事AI应用构建与模型优化工作的候选人 ● 希望从事AI应用数据构建与自动化评测工作的候选人 ● 希望从事多模态AI应用构建与算法优化工作的候选人 围绕真实业务核心场景，参与AI应用的系统化构建与优化，把AI变为业务增长引擎，具体职责包括以下相关方向的一项或多项： 1、AI应用全生命周期演进：深度参与业务问题建模、应用架构设计、上下文工程、训练数据构建、自动化评估体系、模型后训练优化等； 2、数据飞轮构建：打造高质量数据生产链路，探索合成数据（Synthetic Data）与高效蒸馏技术方案，跑通“业务-模型-反馈”迭代闭环； 3、评测体系构建：面向业务目标，设计完备的AI应用效果评估体系，构建自动化评估框架，建立离线评估与在线业务指标联动的量化评估能力； 4、强化学习与奖励机制设计：构建可工程化的Reward体系与RL训练环境，提升模型在垂直业务场景中的可控性与泛化能力； 5、AI外部能力体系搭建：实现AI应用所需的知识库（RAG）、长短期记忆系统（Memory）、工具调用、多Agent协作框架等 6、多模态AI应用开发：构建AI应用的多模态感知与推理能力，解决在UI自动化、视觉理解与审核、多模态会话等场景的落地应用问题。

● 参与高德 AI Agent 在通识搜索场景下的 RAG 系统建设与效果优化，围绕知识组织与预处理、检索策略框架、Context 注入质量控制、检索词改写、检索结果 rerank 等核心环节开展研发。 ● 建设以 LLM 推理为中心 的评估体系，从 Information Sufficiency、Reasoning Supportability、Noise Resistance、Output Faithfulness 等维度分析并优化通识搜索效果。 ● 结合离线评测与实验分析，定位检索、推理与生成链路中的关键问题，推动算法迭代和效果持续提升。