Job Description: Agent 平台底座 • 建设 Agent 编排框架与运行时，支持配置化扩展 —— 新增/调整 Agent 以填表或写配置完成，尽量不改代码 • 建设 Agent 注册与统一模型网关，屏蔽底层模型差异，支持多模型路由与灰度 • 建设编排层：让多个 Agent 与工具在流程中自动流转，减少人工串联 评测与可观测 • 建设 Agent 评测体系：评测数据集、回归基线、质量指标定义与自动化评测流水线 • 建设线上追踪与归因：调用链路、失败模式分类、成本与 token 消耗治理 • 让每一次 prompt / 模型 / 编排变更可度量、可回归、可回滚 —— 没有评测的 Agent 不允许进生产 上下文接入层（Context Layer） • 打通研发工具链（Git / Jenkins / Jira / Confluence / 需求与文档系统），把研发上下文封装为 Agent 可消费的能力 • 基于 MCP 建设统一上下文接入，处理权限透传、增量同步、缓存隔离、引用溯源等工程问题 • 建设企业研发知识检索能力（RAG），注意：知识接入的难点不在检索算法，在权限与时效 支持团队向 AI Native 转型 • 建立 Agent 开发规范、脚手架与模板，使领域工程师可在不理解 LLM 底层的前提下交付可用 Agent • 支持工程师的能力转型：从"自己写"到"定义问题、交给 Agent、验证结果" • 编写文档、Demo 与培训材料，组织实践交流，降低上手门槛 • 建立采纳度与效果度量机制，把反馈转化为平台迭代 Job Qualification: • 本科及以上，计算机 / 软件工程等相关专业 • 扎实的软件工程基础，熟悉完整 SDLC；熟练掌握 Python（团队主力语言） • 具备大模型应用的生产落地经验 —— 不只是 Demo 或 POC，能说清楚线上遇到的问题和怎么解决的 • 熟悉 Agent / RAG / 向量数据库的工程实现，了解其失效模式而不只是 happy path • 熟悉至少一种 Agent 开发框架：LangGraph / LangChain / OpenAI Agent SDK 等 • 熟悉 Git、CI/CD、Code Review、自动化测试等研发流程 加分项 • Agent 评测/可观测经验（Langfuse、promptfoo、Opik 等） • 了解 MCP 及企业级上下文接入。 • 有研发效能平台/DevOps 平台建设经验。 • 有自托管、内网、离线环境部署运维经验。 • 有汽车软件背景（Linux/QNX/Android/AUTOSAR）或愿学习 ASPICE/功能安全。 • 关注 AI 生成产物在合规场景下的证据链问题。 硬约束（投递前请确认） • 自托管：部署于企业内网，不依赖公有云托管服务。 • 对接既有系统：需与现有内部工具链集成，非推倒重来。 • 不绑定单一厂商：架构须保持芯片/云/模型的可替换性。