1. 端到端智能系统构建与优化：覆盖意图识别、多轮对话改写、知识检索、内容生成与用户偏好对齐全链路，持续提升交互质量与系统稳定性；
2. Agent Harness 设计与建设：设计并实现稳定可扩展的智能体运行框架（Agent Harness），负责工具调用编排、上下文与记忆管理、执行循环控制、错误恢复与重试、沙箱化执行环境等核心能力，为上层 Agent 提供可靠的运行底座；
3. Agent 能力与范式演进：实现具备任务规划、工具调用、自我反思能力的 Agent；探索规划执行、反思迭代等范式的工程落地，以及多 Agent 协作机制在复杂任务分解中的应用；推动 Agent 长程任务执行的稳定性与可观测性建设；
4. 垂直领域大模型应用落地：参与教育等场景对话式 AI 产品的全流程研发，探索长上下文、结构化推理与多模态能力在真实业务中的创新应用；
5. 模型能力与评测体系：结合业务数据开展指令微调、偏好对齐及 Prompt 工程；推动 Agent 轨迹（trajectory）评测、工具调用成功率、端到端任务完成率等指标体系建设，构建覆盖准确性、可靠性与安全性的自动化评测框架。
1. 学历与经验：计算机、人工智能或相关专业硕士及以上学历，具备 1 年以上大模型相关工作经验；
2. 编程能力：熟练掌握 Python，了解 Java 或 C++ 等语言；具备良好的工程素养，能独立完成模型服务部署与接口开发；
3. Agent 工程能力：理解 Agent Harness 的核心组成（执行循环、工具调用协议、上下文窗口管理、状态与记忆、超时与重试、安全沙箱等），具备主流 RAG/Agent 开发框架的实战经验，有从 0 到 1 完整交付项目的经历；
4. 核心技术掌握：深入理解 RAG 架构（混合检索、重排序、Chunking 策略）、Agent 工作机制、Prompt 工程、检索算法（倒排索引、语义检索、BM25），以及主流微调与对齐技术（SFT、LoRA、DPO）；
5. 系统工程能力：了解大模型推理优化（量化、KV Cache 复用等）和向量数据库的工程实践；熟悉异步并发、流式输出、可观测性（日志/追踪/监控）等服务端工程；有 LLMOps 工具链使用经验者优先。
加分项（满足其一即可）：
- 在 ACL、EMNLP、ICLR、NeurIPS 等顶级会议或期刊发表过相关论文
- 有从零搭建或深度优化 Agent Harness / 智能体运行框架的经验
- 有大规模 Agent 系统或多智能体协作项目的完整落地与迭代经验
- 熟悉 Agent 工具调用标准化协议，具备自定义工具链开发能力
- 具备推理增强模型（链式思维、慢思考）或长上下文场景的工程经验
- 参与过开源大模型 / Agent 框架社区贡献，或有相关赛事获奖经历
