【岗位职责】 一、岗位定位 参与从 0 到 1 构建面向系统故障诊断的 AI Agent 平台，将主机、网络、Kubernetes 等领域的专业 Agent 组织成可扩展的协作系统，实现任务路由、上下文传递、证据聚合和可靠执行。 二、你将解决什么问题 真实的智能排障系统并不是简单调用一次大模型接口，而是需要解决： - 不同领域 Agent 如何被统一发现和调用； - 一个复杂问题如何拆解并分发给多个 Agent； - 如何结合日志、指标、事件和调用链进行证据驱动的诊断； - 如何处理超时、失败、结果不一致和上下文传递； - 如何评估 Agent 诊断结果的准确性和稳定性。 你将参与： 1. 设计和实现 skill、plugin、sub-agent 的统一协议与运行机制。 2. 建设多 Agent 协作框架，实现任务路由、请求转发、上下文传递和结果汇总。 3. 将主机、网络、Kubernetes 等领域的排障能力抽象为可复用的 Agent 工具。 4. 探索基于日志、指标、事件和调用链的自动化诊断流程。 5. 完善 Agent 系统的超时、重试、降级、权限和结果校验机制。 6. 建立测试样例和评估方法，持续提升 Agent 输出的准确性、稳定性和可解释性。 【任职要求】 三、我们期望你具备 1. 计算机、软件工程或相关专业本科及以上学历，在校生。 2. Python 基础扎实，能够独立完成模块设计、编码、调试和测试。 3. 了解 API、JSON、Git 和常见后端开发方式，具备基本工程实践能力。 4. 对模块化设计、任务编排、状态管理或分布式系统有兴趣。 5. 能够将复杂问题拆解为输入、步骤、判断条件和可验证的输出。 6. 对大模型、AI Agent、工具调用或智能运维方向有实际兴趣或项目经验。 7. 每周建议到岗 4 天以上，可连续实习 2—4 个月。 ### 加分项 - 了解 Kubernetes、Docker、Linux 或计算机网络。 - 使用过 kubectl、Prometheus、Grafana 或日志平台。 - 开发过 Agent、RAG、MCP、Function Calling 或自动化工作流。 - 有后端服务、CLI 工具、开源项目或结构完整的个人项目经验。 - 接触过异步编程、消息队列、任务调度或多服务协作。