算法工程师（重庆）(J19897)

1. 参与企业级 Agent 平台核心能力建设，协助完成 Agent 规划（Planning）、推理（Reasoning）、记忆（Memory）、工具调用（Tool Use）等模块的方案设计与算法实验。 2. 参与多智能体（Multi-Agent）编排与协作机制建设，包括任务分解、角色定义、消息协议、手off 流程、协作策略等设计与实现。 3. 参与 LLM 应用链路优化，包括 Prompt Engineering、Function Calling / MCP 协议对接、上下文管理、幻觉抑制、输出结构化控制、模型微调等方向。 4. 参与 RAG 与知识增强检索链路建设，调研并实验文档解析、文本分块、向量检索、Rerank、Embedding 模型等方案，为 Agent 提供可靠的领域知识支撑。 5. 参与 Agent 工具生态建设，协助完成工具定义、API 集成、权限管控、调用链路追踪、异常兜底等工程实践，提升 Agent 的可扩展性与稳定性。 6. 协助构建 Agent 评测体系，完成基准任务设计、端到端效果评估、Bad Case 分析、实验报告输出及迭代优化。 7. 跟进 Agent、Tool Use、Multi-Agent、KG-LLM、MCP 等方向的前沿论文与开源项目（如 LangChain、LlamaIndex、AutoGen、CrewAI、OpenClaw 等），参与方案复现、技术调研和内部分享。

1. 计算机、人工智能、自然语言处理、数据科学、软件工程等相关专业。 2. 具备扎实的机器学习、深度学习、NLP 基础，熟练使用 Python，了解 PyTorch、HuggingFace 等常用框架。 3. 熟悉 LLM 应用开发基础流程，了解 Prompt Engineering、Function Calling、上下文窗口管理、输出解析等核心环节。 4. 了解 Agent 架构设计、多智能体协作、规划与推理（如 ReAct、CoT、ToT）、记忆机制、工具调用等相关方向者优先。 5. 了解向量检索、Embedding、Rerank、RAG 等基础流程，有知识库或搜索系统相关项目经验者优先。 6. 有 MCP 协议对接、API 编排、工作流引擎、低代码平台相关项目或实习经验者优先。 7. 具备良好的逻辑抽象能力，能够将复杂业务流程抽象为 Agent 可执行的任务编排与工具调用链路。 8. 具备良好的数据处理、实验分析、问题拆解和文档表达能力，有实验室实际项目、竞赛或实习经验者优先。