京东AI Agent 开发工程师
任职要求
1. 硕士及以上学历,计算机、人工智能、机器学习等相关专业,优秀的代码能力,掌握常用编程语言和算法,具备 AI Agent、工具使用(Tool Use)或多轮对话管理相关实践者优先。 2. 熟悉工具调用框架、记忆/上下文管理、任务计划与执行、对外 API/SDK/CLI 封装。 3. 深入理解大语言模型的原理与架构,熟悉智能体技术的基本概念与应用场景,掌握深度学习、强化学习的基本理论与方法。熟悉 FAISS/HNSW/ANNOY 等向量索引、混合检索;理解 RAG 数据流与知识库对接;具备模型 I/O 与数据预处理/增强经验。 4. 掌握血缘、数据质量、数据版本控制、脱敏、访问控制、审计等基本原则与实现经验。…
工作职责
1. 参与 AI Agent 服务层的整体架构设计与落地,建设智能数据高效流转,包括数据接入、清洗、标注、元数据与血缘增强、数据治理、数据安全。 2. 面向大模型与Agent,设计并实现核心服务层组件,负责Agent场景的效果优化,深入研究LLM后训练相关技术,包括CPT/SFT/RLHF/RLVR等,提高算法准确率和效率。 3. 构建可复用的 Agent 框架与组件库(记忆模块、工具箱、调度器等),实现不同任务的快速拼接、部署与生产落地。 4. 跟踪LLM领域的最新研究成果,用以持续提升算法应用效果,研究方向包括但不限于强化学习中的奖励模型的优化和创新,AgentRL,可验证奖励的构建和扩充。 5. 关注前沿 AI 技术在 Agent 场景的落地可用性,推动试点、验证与落地。
负责 C 端创新产品中的 AI Agent 能力建设,推动 AI 能力从概念验证走向真实用户可用的产品体验。 围绕用户需求和业务目标,设计并落地智能交互、任务协作、个性化服务、主动推荐等 AI 产品能力。 负责 AI Agent 应用的核心架构设计与工程实现,保障系统在效果、稳定性、性能、成本和可扩展性上的持续优化。 持续优化 Agent 在理解、规划、执行、反馈等关键环节的表现,提升用户体验和业务转化效果。 建立面向真实用户场景的 AI 效果评估和迭代机制,通过数据、实验和用户反馈持续改进产品能力。 跟进大模型与 Agent 相关前沿技术,判断其在 C 端创新场景中的适用性,并推动快速验证和产品化落地。
1. 负责CatPaw SDK/CLI能力建设,设计并实现Skill/Plugin体系,持续提升开发者体验。 2. 基于OpenClaw构建CatClaw集群,负责多智能体运行时、路由调度、会话管理及记忆系统的设计与开发。 3. 主导AI编排层开发,包括多模型调度、Prompt工程、Function Calling及上下文管理机制。 4. 推动IM/社交/办公等多端渠道的场景接入,支持浏览器自动化能力集成。 5. 构建安全隔离体系,实现多租户权限控制与数据沙箱机制,保障系统安全性与稳定性。

AI Agent 开发工程师 职位描述 负责 AI Agent 核心能力的设计与研发,包括任务规划(Planning)、工具调用(Tool Use)、记忆管理(Memory)、多轮对话管理等模块; 设计并实现 Multi-Agent 协作架构,包括子 Agent 路由、任务拆解与分配、Agent 间通信协议、结果聚合与冲突消解; 搭建 Agent 评测体系,设计评测数据集与评测维度(准确性、工具调用正确率、任务完成率),建设 A/B 评测流水线,持续优化 Agent 效果; 参与 Agent Harness 框架建设,包括 Agent 执行的编排调度、错误处理与重试机制、降级策略、可观测性(日志、Tracing、Token 用量、延迟监控); 基于主流 Agent 框架开发可复用的 Agent Skill(技能包),制定 Skill 开发规范,推动 Agent 能力模块化; 参与知识库与检索系统的建设与优化:知识抽取、文档解析、混合检索、重排序等,构建领域知识库和语义索引系统; 使用 AI Coding 工具(Cursor/Claude Code/Codex)进行日常研发,实践 Vibe Coding 范式,持续提升研发效能。
部门介绍:我们是市场与平台运营中心,作为京东科技的核心力量之一,在金融业务的市场拓展、平台运营与生态建设中发挥关键作用。我们以“体验与效率的价值共生”为核心理念,聚焦C端用户,推动产品体验与技术能力的深度融合,实现商业价值与用户体验的共赢。我们通过数据驱动决策、营销创新实践与平台精细化运营,持续优化关键金融场景(如现金贷、财富管理、大支付、保险等)的用户体验;依托京东金融APP、白条频道页、我的钱包页等核心入口,我们构建起连接用户与金融服务的高效桥梁。我们汇聚产品、运营、量化、研发等多职能人才,以协同创新为引擎,推动业务的可持续增长与长期价值创造。我们不仅追求短期目标的达成,更致力于构建一个用户信赖、商业健康、技术领先的金融科技生态。 1. 参与 AI Agent 服务层的整体架构设计与落地,建设智能数据高效流转,包括数据接入、清洗、标注、元数据与血缘增强、数据治理、数据安全; 2. 面向大模型与Agent,设计并实现核心服务层组件,负责Agent场景的效果优化,深入研究LLM后训练相关技术,包括CPT/SFT/RLHF/RLVR等,提高算法准确率和效率; 3. 构建可复用的 Agent 框架与组件库(记忆模块、工具箱、调度器等),实现不同任务的快速拼接、部署与生产落地; 4. 跟踪LLM领域的最新研究成果,用以持续提升算法应用效果,研究方向包括但不限于强化学习中的奖励模型的优化和创新,AgentRL,可验证奖励的构建和扩充; 5. 关注前沿 AI 技术在 Agent 场景的落地可用性,推动试点、验证与落地。