飞猪旅行飞猪-大模型算法工程师-智能客服
任职要求
1. 硕士及以上学历，计算机科学与技术、人工智能、数学等相关专业优先； 2. 具有大模型相关算法研发经验，具备扎实的NLP领域算法基础知识，熟练掌握SFT/DPO/PPO/GRPO等训练算法并有实际项目成果； 3. 熟悉Agent开发范式，熟悉ReAct、Plan-and-Execute、Reflection等主流Ag…
工作职责
1. 负责智能客服和智能外呼场景下的Agent系统设计与开发，重点优化意图识别、知识问答、SOP流程遵循等核心能力，构建具备任务规划、工具调用、多轮对话能力的对话式Agent； 2. 参与大模型的训练与微调工作，包括SFT、PPO、DPO、GRPO/GSPO等对齐训练，针对客服垂直领域进行模型能力优化； 3. 设计并实现Agent Harness体系，尤其是Agent + Skills的相关落地，包括Skill编写、工具调用、上下文工程、记忆管理等核心模块，实现在各个场景落地，并取得效果。 4. 构建Agent和Skill评估框架，设计评测指标（指令遵从、任务完成率、话术质量、安全合规等），驱动Agent和Skill能力的持续迭代； 5. 跟踪Agent与大模型领域的前沿技术进展，推动技术创新并在业务场景中验证落地效果。
1、负责电商场景下智能客服系统的大模型与 Agent 核心能力建设，构建全场景智能化服务流程，驱动消费者服务体验与运营效率的全面提升； 2、主导 AI Agent 关键能力的设计与优化，包括语义识别、上下文记忆管理、工具调用、任务规划与自主决策，打造能够充分解决消费者问题的智能服务体系； 3、负责多模态能力的研究与落地，融合文本、图像、语音等多种输入，实现语音交互、图像视频理解等场景下的统一理解与智能响应； 4、设计并完善效果评估体系，建立合理的量化指标体系，通过数据分析驱动模型与策略的持续迭代； 5、深入跟踪大模型与Agent前沿技术演进，借助Agent能力提升客服各业务场景下的交互流畅性与自然度；通过Harness架构设计有效控制模型幻觉，探索客服场景下的新一代模型应用范式，持续提升大模型在电商特定场景问题上的解决能力。
1、智能Agent研发 基于 AutoGen 或 LangGraph 框架，设计和实现多智能体（Agent）系统，支持 Agent-to-Agent 协作。 构建物流垂域的智能应用场景，如运输调度、仓储优化、路径规划、订单跟踪与异常处理。 2、系统架构与优化 负责多智能体系统的架构设计、任务分解与交互协议制定。 优化 Agent 的推理链路和交互效率，提升系统的稳定性与可扩展性。 3、模型与数据集成 将大语言模型与物流业务数据（订单、运单、库存、GPS轨迹等）结合，提升智能体的业务理解与决策能力。 参与构建和优化奖励机制、反馈回路，确保 Agent 输出符合业务目标。 4、跨团队协作 与产品、算法、业务团队紧密合作，推动智能Agent在物流场景的落地与迭代。
岗位职责 1、智能Agent研发 基于 AutoGen 或 LangGraph 框架，设计和实现多智能体（Agent）系统，支持 Agent-to-Agent 协作。 构建物流垂域的智能应用场景，如运输调度、仓储优化、路径规划、订单跟踪与异常处理。 2、系统架构与优化 负责多智能体系统的架构设计、任务分解与交互协议制定。 优化 Agent 的推理链路和交互效率，提升系统的稳定性与可扩展性。 3、模型与数据集成 将大语言模型与物流业务数据（订单、运单、库存、GPS轨迹等）结合，提升智能体的业务理解与决策能力。 参与构建和优化奖励机制、反馈回路，确保 Agent 输出符合业务目标。 4、跨团队协作 与产品、算法、业务团队紧密合作，推动智能Agent在物流场景的落地与迭代。
岗位职责 1. 物流场景下的模型微调与实施 * 在指导下，负责对预训练大模型进行指令微调（SFT），使其适应物流领域的专业术语、业务流程（如订单理解、仓内作业指令生成）。 * 应用高效微调技术（如LoRA），参与模型在具体业务场景（如智能客服问答、运单信息抽取）上的效果优化与迭代。 * 协助构建和清洗高质量的领域微调数据集，并参与设计评估体系，量化模型在业务指标上的提升。 2. 智能体（Agent）功能开发与集成 * 参与基于大模型的物流智能体（Agent） 的功能模块开发，重点实现可靠的工具调用（Tool Calling） 能力。 * 负责将Agent与内部物流系统（如WMS、TMS）的API、数据库进行集成，完成查询、状态更新等具体操作。 * 开发并优化RAG（检索增强生成） 系统，用于物流知识库问答、操作规范查询等任务，提升信息准确性。 3. 模型工程化与性能支持 * 参与大模型的训练、评估及部署支持工作，能够使用并行训练框架 进行高效的模型调试与实验。 * 负责对线上模型进行基础性能监控、日志分析及效果回归测试，协助定位问题。 * 编写高质量、可维护的代码，并撰写清晰的技术文档。 4. 业务协同与理解 * 与产品经理及业务方紧密协作，深入理解所支持的物流场景（如路径规划、异常诊断）的业务逻辑与痛点。 * 能够将业务需求转化为明确的技术任务，并在实践中持续学习领域知识。