锦鲤求职岗位描述
岗位职责
1. 智能体技术战略与平台架构
技术路线与架构标准：制定集团 AI 智能体工程技术路线图与架构标准，明确“平台层（Dify、DeerFlow 等）”与“代码层（LangGraph 等）”的选型边界、统一模型网关与多模型路由、工具与 MCP 服务注册、Agent 运行时与沙箱等关键设计。
企业级智能体平台：主导集团智能体平台（AI 中台）的规划与建设，沉淀 Agent 模板、工具市场、知识库服务、权限与多租户隔离、用量与成本管控等能力，支撑集团及成员企业复用，避免烟囱式重复建设。
技术决策与风险把控：对自建、采购与合作做出技术判断，评估外部平台、模型厂商与 AI 企业，控制技术债务与供应商锁定风险。
2. 智能体工程开发与生产上线
生产级智能体：带领团队构建生产级智能体，覆盖 Planning、Memory、Tool Calling、RAG、工作流编排、多智能体协作与人在回路（Human-in-the-loop）审批。
平台层与代码层：深入理解主流平台底层架构与扩展机制，在平台能力不足时下沉到代码层完成扩展、排障与性能优化，并对关键技术难题亲自攻关。
LLMOps 与可观测：建设 trace、日志、成本/时延监控与评估闭环，以及 CI/CD、灰度发布、回滚与 SLA 保障机制，推动应用从 Demo 稳定上线并持续调优。
前沿范式工程化：推动 MCP、A2A、上下文工程、长任务与异步 Agent 等新范式在集团场景的评估与工程化落地。
3. 知识库与 AI 数据治理
检索架构：主导 Embedding 模型选型、向量数据库（Milvus、Qdrant、pgvector 等）、混合检索、重排与知识图谱/图谱增强 RAG 的方案设计与落地。
知识库全流程：建立文档解析、数据清洗、切分、检索、重排与数据质量治理的标准化流程，将非结构化业务知识转化为可检索、可管控的资产。
数据安全与权限：在知识库与 Agent 交付中落实数据分类分级、权限隔离、最小必要与审计留痕要求，理解医药行业数据敏感性与合规边界（含 GxP 相关数据）。
4. 模型评测、选型与路由
评测体系：建立覆盖准确性、相关性、幻觉率、安全性、推理、长文本、工具调用、成本与延迟的评测规范与业务场景评测集，搭建并运营自动化评测流水线。
选型与路由：熟悉 GPT、Claude、Gemini 及通义、文心、智谱、Kimi、DeepSeek 等国内外主流大模型的能力边界，结合人工与自动评估给出模型选型、路由与成本优化策略。
微调与优化：判断场景中提示工程、检索增强、微调/蒸馏的投入产出，必要时推动模型微调与对齐。
5. 智能体安全与合规内嵌
安全设计：在 Agent 架构中落实最小权限、工具调用沙箱与审批、Prompt Injection 与越权防护、敏感信息脱敏、输出审计与日志留存，安全与合规前置而非事后补救。
协同评审：联合信息安全、法务、质量、与医学团队开展上线前评审，确保应用满足适用的数据安全、个人信息保护及医药行业合规要求。
6. 团队建设与技术影响力
团队建设：搭建并带领 AI 工程团队（后端、前端、LLMOps、数据工程、评测与算法等），负责技术评审与代码质量管理。
工程沉淀：沉淀可复用的 Agent 模板、评测集、提示词库与工程规范，通过培训与技术分享赋能业务与 IT 团队，提升整体交付效率。
前沿与生态：持续跟进大模型与智能体技术演进，评估新技术在集团场景的适用性，对接模型厂商、云厂商与 AI 生态伙伴，并定期向管理层汇报技术进展与价值成果。
岗位要求
一）硬性要求
1. 经验与资质
计算机科学、软件工程、人工智能、电子工程等相关专业本科及以上学历，硕士及以上优先。
8年以上软件研发经验，其中大模型/AI 应用相关经验 3 年以上，并主导过至少 2 个从 0 到 1 的生产级智能体或 AI 产品落地，能清晰阐述产品架构设计、难点与业务成效等。
2年以上技术团队管理经验，曾带领软件、数据或AI工程团队，具备技术选型、梯队培养与跨团队推进能力。
2. 智能体平台与架构能力
深刻理解智能体核心机制（Planning、Memory、Tool Calling、多智能体协作），能够设计企业级 Agent 平台架构，并根据场景在“平台层”与“代码层”之间合理选型。
熟练使用 Dify、DeerFlow 等主流智能体平台搭建生产级应用，理解其底层架构，具备源码级排障与扩展能力。
熟练掌握至少一种代码层智能体框架（LangChain/LangGraph、AutoGen、CrewAI 等）的深度定制，熟悉 MCP 等工具协议与上下文工程实践。
3. RAG 与知识库、数据治理
精通 RAG 全链路（解析、切分、检索、重排、生成），具备向量数据库（Milvus、Qdrant、pgvector 等）与混合检索的生产环境经验。
具备知识图谱或图谱增强 RAG 的深度应用经验，能建立数据质量、权限隔离与审计留痕的治理机制。
理解医药行业数据敏感性与合规要求，具备数据安全、最小必要与权限管理的落地意识。
4. 评测与模型能力
熟悉主流大模型能力边界，具备构建业务评测体系与自动化评测流水线的经验，能结合人工与自动评估形成可落地结论，输出选型、路由与迭代建议。
理解 benchmark 与真实业务场景评测的差异，具备基于评测结果驱动应用迭代的工程实践。
5. 全栈工程与生产稳定性
精通 Python；至少掌握一种后端（Java/Go）或前端（TypeScript/React）技术栈，并具备另一侧集成能力，能够独立完成全栈式 AI 应用的关键模块设计与交付。
掌握 LLMOps、API 设计与微服务、容器化与云部署（公有云或私有化），具备高并发、高可用、成本优化与 SLA 保障的生产环境实践。
6. 安全意识与技术领导力
了解 Agent 与大模型应用的典型安全风险，具备将安全与合规要求融入工程设计的能力。
具备优秀的跨团队沟通、技术文档与汇报能力，能同时与业务、产品、算法、信息安全及法务团队协作推进。
既能把握技术战略，也愿意深入一线攻坚；强自驱与学习能力，具备良好的英文文献阅读与工作沟通能力；结果导向，注重业务价值。