Job description
亮点 / Highlights: -非常有竞争力的薪资 + 期权激励（对标一线大厂AI team）
-直接接触最前沿的 AI 模型与技术，充足的算力资源
-扁平化组织，打破职能边界，工程师可负责产品方案和垂直场景运营交付
岗位职责 / Duties: 【我们是谁】 我们正在构建下一代 AI 原生产品。我们相信，真正改变世界的不是模型本身，而是将模型能力落地为可靠、安全、可扩展的智能体系统，让 Agent 真正承担端到端的复杂任务。 团队规模小，决策链条短。你写的代码会直接进入生产环境，你的判断会直接影响产品方向。 如果你热衷于在 LLM 的边界地带探索，享受从 0 到 1 构建复杂系统的过程，并且对 AI 安全和产品责任有深刻理解——我们在找你。
【你将做什么】 设计并实现生产级 Multi-Agent 系统，包括 Orchestrator 架构、工具调用链路、记忆管理模块等 开发 Agent 评估框架，建立任务完成率、安全性、效率等多维度指标体系，驱动系统持续迭代 参与 AI 安全评估，识别并修复 Prompt Injection、越权调用等安全风险 构建 RAG 系统全链路：文档解析、Chunking 策略、向量索引、混合检索、Rerank 设计 Prompt 工程规范与版本管理系统，支持 A/B 测试与灰度发布 与产品、研究团队紧密协作，将前沿模型能力快速转化为用户可用的产品功能 负责 AI 产品特有的交互设计：流式输出的节奏感、长任务进度反馈、Agent 中间步骤可视化、不确定性的表达方式
【职位职责】
Agent 系统工程
- 设计并实现生产级 Multi-Agent 系统，包括 Orchestrator 调度、工具调用链路、记忆管理与上下文压缩策略
- 构建 RAG 全链路：文档解析、Chunking 策略设计、向量索引、混合检索与 Rerank 调优
- 建立 Agent 评估框架，覆盖任务完成率、工具调用准确性、安全边界等核心指标，驱动系统持续迭代
- 负责 Prompt 工程规范与版本管理，支持灰度发布与 A/B 评估
- 识别并修复 Prompt Injection、越权调用等 AI 安全风险
模型微调与后训练
- 根据业务场景需求，完成 LoRA / QLoRA 微调任务：数据清洗、格式构造、训练配置、效果评估全流程
- 理解并能实践主流后训练范式：SFT（监督微调）、DPO（直接偏好优化）、RLHF 基本流程
- 能够评估何时应当微调、何时应当优化 Prompt / RAG，做出合理的技术选型判断
- 熟悉 Hugging Face Transformers / PEFT / TRL 等训练工具链，能在有限 GPU 资源下完成高效训练
前端与交互
- 使用 React / TypeScript 实现完整的 AI 产品界面，包括流式渲染、多轮对话状态管理、错误恢复机制
- 负责 AI 产品特有的交互设计：流式输出的节奏感、长任务进度反馈、Agent 中间步骤可视化、不确定性的表达方式
- 在无完整设计稿的情况下，能够基于自身的交互判断力完成界面设计与实现
- 对产品交互质量有主动的审美标准，能够识别并推动体验层面的改进