商汤｜Agent开发实习生，量子城市

⚠️该职位需要前往上海市规资局（北京西路95号）驻场开发。 1. 智能体架构设计与开发 • 基于主流大模型（Qwen, DeepSeek, SenseNova-SI 等），设计并实现高可用的AI Agent架构。 • 负责Agent核心模块的研发，包括：任务拆解与规划（Planning）、工具/API调用（Function Calling）、长期记忆机制（Memory/RAG）以及反思与修正（Reflection）。 2. 多智能体协作 (Multi-Agent Orchestration) • 设计多智能体协作模式（如SOP标准化流程、分层调度），利用框架（如LangGraph, AutoGen, CrewAI）实现多个Agent之间的信息流转与协同工作，解决复杂业务问题。 3. Prompt Engineering与调优 • 编写高质量的System Prompt，针对特定场景进行Prompt优化（CoT, ReAct等策略），确保模型输出的稳定性、准确性和格式化。 • 建立Agent效果评估体系（Evals），持续监控并优化Agent在真实场景下的表现。 4. 工程落地与集成 • 将Agent能力封装为标准API服务，与现有业务系统（IM、CRM、ERP等）进行深度集成。 • 优化推理成本与响应延迟，探索模型蒸馏或小模型（SLM）在特定Agent场景下的应用。

1. 基础素质 • 计算机、人工智能或相关专业本科及以上学历，具有扎实的编程功底。 • 精通 Python，熟悉异步编程、API开发（FastAPI/Flask）。 2. LLM应用开发经验 • 深入理解Transformer原理及LLM局限性。 • 熟练掌握至少一种主流Agent/LLM开发框架，如 LangChain, LangGraph, LlamaIndex, AutoGen 等。 • 熟悉 向量数据库（Milvus, Pinecone, Chroma等）及 RAG（检索增强生成） 技术栈。 3. 工程能力 • 有实际的Function Calling / Tool Use 开发经验，能够定义清晰的工具Schema并处理模型幻觉。 • 熟悉Docker容器化部署，有云原生开发经验者优先。 4. 解决问题能力 • 对新技术有极强的好奇心（如经常阅读Arxiv论文），能够快速复现Paper中的Agent设计思路（如Generative Agents, BabyAGI等）。 加分项 (Preferred) • 有“多智能体（Multi-Agent）”项目落地经验：使用过LangGraph或AutoGen构建过复杂的Agent协作网络。 • 模型微调经验：有SFT（监督微调）、LoRA微调经验，能够为了特定Agent能力（如指令遵循、特定格式输出）微调开源模型（Llama 3, Qwen 2）。 • 全栈能力：熟悉TypeScript/Next.js，能独立开发Agent的前端交互界面（Chat UI）。 • 开源贡献：在LangChain、LlamaIndex等开源社区有代码贡献者优先。