大模型智能体开发工程师

1.智能体架构设计： 负责设计智能体（Agent）的核心架构，包括其思考模式、记忆模块和决策引擎。

2.规划与执行流开发： 开发能够让智能体自主规划、拆解复杂任务、并按步骤执行的工作流（Workflow）。

3.工具使用（Tool Using）集成： 为智能体开发和集成“工具集”，使其能够调用外部API（如搜索、数据库查询、代码执行、第三方应用）来获取信息或执行动作。

4.多智能体（Multi-Agent）协作： 探索和实现多智能体协作系统，让多个智能体分工合作，共同完成更复杂的综合性任务。

5.评估与迭代： 建立和完善智能体的评估框架（Evaluation），持续监控其表现、定位“错误，并通过 Prompt Engineering等手段进行优化。

6.工程化与部署： 确保智能体应用的性能、稳定性和可扩展性，并将其工程化、产品化，实现高效部署和运维（LLM Ops）。

1. 扎实的工程能力

教育背景： 计算机科学、人工智能、软件工程、机械工程或相关专业本科及以上学历。

编程语言： 精通 Python。熟悉至少一种后端框架（如 FastAPI, Flask, Django）。

软件工程： 具备出色的软件架构设计能力和系统思维。熟悉微服务、API设计、Docker、CI/CD 等工程实践。

2. 深入的AI技术栈

大模型（LLM）理解： 深入理解主流LLM（如 GPT系列, Claude, Qwen等）的API使用和能力边界。

Agent 框架经验： 拥有利用 LangChain ，MCP或类似框架的 实战开发经验。

3.智能体（Agent）的独特理解

系统思维： 能够将复杂的业务需求，抽象和拆解为“智能体”的工作流。

工具调用： 深刻理解并实战过 Function Calling / Tool Use 机制，知道如何让模型稳定、安全地调用外部工具。

问题解决： 对LLM的输出错误、不稳定等问题有深入思考和有效的解决方案。

1.LLM Ops / MLOps： 熟悉 LLM 应用的监控、评估、部署和迭代流程（如使用 LangSmith, WandB, Arize 等工具）。

2.开源贡献： 是 LangChain、LlamaIndex 等相关开源项目的贡献者，或拥有高星(Star)的个人AI项目。

3.算法背景： 具备深度学习、NLP（自然语言处理）的算法研究背景。

4.快速学习： 对AI领域的最新论文（如 ReAct, CoT, RAG-Fusion 等）保持高度敏感和快速复现能力。