京东大模型应用算法/开发专家（agent方向）
任职要求
1. 学历背景：本科及以上学历，计算机相关专业； 2. 架构设计经验： 3年+后端开发经验，2年+ 大型分布式系统架构设计经验， **必须具备复杂应用架构设计经验**，深刻理解设计模式、DDD（领域驱动设计）及微服务架构，能独立完成复杂系统的模块拆分与接口定义； 3. 编程能力：精通Java或Go语言，具备极强的代码编写与Code Review能力；熟悉Python，能够阅读并理解算法侧代码逻辑； 4. 中间件与存储：深入理解RPC、MQ、网关等中间件原理；熟悉向量数据库（如Milvus、Pinecone、ES）的使用与…
工作职责
1. 应用架构设计与演进：负责大模型应用开发平台（LLM App Platform）的整体架构设计，定义应用层与模型层的交互标准，构建支持Agent、RAG、工作流编排的高扩展性基础框架； 2. 核心引擎研发：主导核心中间件的研发，包括但不限于：模型网关（Model Gateway）、智能体运行时（Agent Runtime）、上下文状态管理及工具/插件注册中心**，屏蔽底层模型差异，降低业务接入成本； 3. 高可用与性能优化：解决大模型应用场景下的长链路超时、Token吞吐瓶颈等问题；设计并落地流式传输（Streaming）、语义缓存（Semantic Cache）、熔断降级等机制，保障系统在高并发下的稳定性与低延迟； 4. 工程化与效能工具：搭建Prompt管理、大模型评估（Eval）框架及调试回放系统，提升算法与业务团队的研发效率与迭代质量； 5. 稳定性建设：构建全链路可观测体系（Trace/Metric/Log），针对大模型特有的Token消耗、生成质量、耗时分布进行精细化监控与治理； 6. 技术攻坚与规划：跟踪LangChain、Semantic Kernel等开源社区动态，结合业务需求进行架构选型与预研，推动技术栈的持续升级。
1. 基于 LazyLLM 框架，负责 LazyRAG 系统的核心模块研发，包括文档解析服务、检索算法优化、问答链路设计及自进化机制的工程实现。 2. 深入参与 RAG 算法迭代：包括切片策略、多粒度索引、Embedding/Reranker 模型升级、Agentic RAG 编排等方向，持续提升系统在多场景下的问答准确率。 3. 负责系统可观测性与评测体系建设，包括自动化评测集构建、Bad Case 归因分析、A/B Test 机制设计与落地，推动算法能力的数据驱动迭代。 4. 参与记忆管理与自进化模块的研发，包括词表/规范/技能的自动提取、注入与版本管理，实现系统从用户反馈中持续学习的能力。 5. 跟踪业界前沿技术（RAG、Agent、多模态检索、LLM 推理优化等），将新技术快速验证并落地到产品中。
1、构建Agent自进化闭环系统：针对复杂商业场景，设计并研发具备自主进化能力的 Agent 框架，形成从任务执行到自我反思、经验总结、能力增强的完整闭环； 2、研发Agent自主学习与经验沉淀机制： --探索 Agent 在与环境交互中自主学习、自我改进的多元化路径； --研究长期经验沉淀算法，构建 Agent 可持续演化的能力底座，解决复杂任务流中的策略退化、长程优化等问题。 3、探索前沿Agent自演进路径： --研究自动化对齐、自主数据演化、指令自我迭代等方向，构建模型在弱监督乃至无人工干预下的自我演进机制； --探索启发式学习（Heuristic Learning）、自我博弈（Self-Play）等前沿技术，打造具备自驱动特征的智能体系统。 4、技术落地与业务实战：将自进化 Agent 算法应用于AccioWork等核心商业场景，沉淀具有行业影响力的技术方案与高水平学术成果。
1、负责通过基于大语言模型及多模态大模型的微调、prompts调优、指令构建及演化技术，将大模型的生成、理解、交互能力在公司核心业务场景应用落地，包括但不限于AIGC创意生成、视频处理、智能化特效、智能对话、代码生成、音视频传输、电商场景内容理解等； 2、负责LLM及多模态大模型的应用中台及相关技术模块搭建，包括但不限于Agents 、RAG、 function call、system prompts等，探索大模型应用前沿及新兴应用场景； 3、跟踪行业及大模型技术发展，结合业界前沿技术和业务需求，打造大模型应用的最佳实践； 4、了解业务，与公司各技术团队密切配合，能与产品、运营等角色高效沟通需求和目标，发挥自己的主观能动性，设计技术解决方案，培养自己的良好的业务sense和综合素质。
1. 负责客服场景大模型微调（SFT）及强化学习（RLHF/RLAIF/DPO），持续提升模型在复杂业务逻辑下的推理能力与回复质量。 2. 深度优化RAG链路，包括Embedding模型精调、多路召回融合、重排序及长文本处理，将海量非结构化知识库转化为精准的业务生产力。 3. 参与沙盒模拟/红蓝对抗体系建设，通过对抗模拟和自动化评测，挖掘模型潜在问题，驱动模型实现智能化自迭代。 4. LLM在交互安全、自动判责、智能质检、复杂任务编排（Agentic Workflow）等高价值场景的落地，实现客服全流程的智能化转型。