1.负责 LLM Agent 端到端设计与落地：多模态输入、意图识别、多轮对话、工具调用、任务规划。
2.设计 Agent Runtime、会话上下文、结构化 Memory 与状态机驱动的对话/任务编排。
3.建设 RAG 全链路：文档解析、向量化、混合检索、重排序、生成，持续提升命中率与答准率。
4.设计 Multi-Agent 协作：路由、任务拆解、工具调用、结果聚合与失败兜底。
5.LLM 工程化：Prompt 版本化、结构化输出、幻觉防御、成本与延迟优化。
6.搭建离线评测与在线指标体系，推动 Bad Case 闭环。
1. 3 年以上 Java 17+ 开发经验；精通 Spring Boot 3.x；熟悉 Spring Statemachine；熟练 Redis、MySQL/RDS；掌握 Kafka/RocketMQ、OkHttp、SSE、JUnit 5。
2. 深入使用过 LangChain / LangChain4j / LangGraph 任一；熟悉 ReAct、Plan-and-Execute、Reflection 等范式；有 Function Calling 工程落地经验；熟悉主流 LLM（OpenAI、Claude、豆包、通义、DeepSeek 等）的流式与结构化输出。
3. 掌握 Chunking → Embedding → 检索 → Rerank → 生成 全链路；熟练至少一种向量库（Milvus / Qdrant / ES-KNN / PGVector）；熟悉 Hybrid Search、Query 改写、HyDE；能设计 RAG 评测指标（Recall@K、Faithfulness 等）。
4. 理解 Supervisor、Hierarchical、Swarm、Pipeline 等协作模式；有 LangGraph / AutoGen / CrewAI 或自研调度框架落地经验；能处理循环、超时、打断、状态一致性、并发与兜底。
5. 扎实的系统设计能力；分层架构意识；重视单测、文档与可观测性；良好的跨团队协作能力。
加分项
多模态（ASR/VLM/TTS）融合经验；Spring AI / LangChain4j 深度实践；LLM 推理部署（vLLM/SGLang）经验；Agent 评测框架建设经验；GitHub / 技术博客高质量输出。
