【岗位职责】 1. Agent 系统开发：参与基于大语言模型的 AI Agent 系统设计与开发，在导师带领下完成单智能体任务模块或多智能体协作节点的功能实现，深度参与杉数决策 OS 中 AI Agent 模块的迭代。 2. RAG 与知识系统建设：协助构建面向运筹优化领域的检索增强生成（RAG）系统，参与知识库向量化、检索策略调优、上下文组装与回答生成，提升 Agent 在专业决策场景下的知识召回质量。 3. Prompt 工程与 Workflow 实现：开发并维护复杂提示工程链（Prompt Chain），实现稳定、可控的 Agent 行为输出；在指导下完成多步推理（Multi-step Reasoning）与动态工作流节点的开发。 4. 业务语义理解模块开发：参与基于 LLM 的业务语义解析模块开发，协助实现业务实体识别、指标自动拆解、约束条件抽取与形式化表达，将非结构化需求转化为结构化建模输入。 5. 系统集成与 API 开发：将 AI Agent 能力集成到杉数现有决策平台，在团队指导下设计并实现 RESTful / gRPC API 服务，保障与 COPT 引擎、数据平台的无缝对接。 6. 性能评估与优化：参与建立 Agent 性能监控与评估体系，跟踪响应延迟、任务成功率、Token 消耗与求解质量，协助推动系统迭代优化。 7. 技术跟踪与沉淀：跟踪 AI Agent 领域最新研究进展（Agentic AI、Function Calling、Tool Use 等），参与团队技术分享与文档沉淀。 【岗位要求】 1. 计算机科学、软件工程、人工智能、数学或相关专业本科及以上学历。 2. 扎实的编程基础，精通 Python，熟悉常用数据结构与算法；有实际项目或科研经历，代码习惯良好。 3. 具有大语言模型应用开发经验，熟悉 OpenAI、Anthropic、DeepSeek、通义千问等至少一种主流 LLM 的 API 使用与集成；有个人项目、课程设计或实习经历者优先。 4. 了解至少一种主流 Agent 开发框架，有相关学习或实践经历。 5. 了解向量数据库与 Embedding 模型的基本原理，有 RAG 相关学习或项目经验者优先。 6. 出色的学习能力、解决问题能力与团队协作意识；对运筹优化、智能决策场景有强烈好奇心和快速学习意愿。 【加分项】 1. 有 AI Agent、LLM 应用相关开源项目贡献、个人技术博客或 GitHub 高星项目。 2. 发表过 AI、NLP、运筹优化相关学术论文或参与过相关科研项目。 3. 熟悉复杂提示工程技术（Chain-of-Thought / ReAct / Tree-of-Thought）并有实践案例。 4. 有生产级 RAG 系统调优、查询重写（Query Rewriting）或重排序（Rerank）经验。 5. 具备大语言模型微调（PEFT / LoRA）或模型部署优化（vLLM / Ollama）经验。 【工作地点】北京、上海、广州