参与 SAIP 及相关业务平台的 AI 应用后端开发，使用 Python、FastAPI 等技术建设 API、异步任务和微服务。 参与 RAG 知识检索链路建设，包括文档解析与切片、Embedding、向量检索、关键词检索、Reranker 精排、引用溯源和回答生成。 参与 MCP 工具能力开发和接入，包括 MCP Server、Tool Schema、工具发现与调用、JSON-RPC 通信、权限校验、风险确认和调用审计。 参与 Agent 应用与运行框架建设，基于 Hermes、LangGraph 等实现模型接入、工具调用、任务状态管理、条件分支、循环执行和多步骤任务处理。 参与 LLM 应用开发，包括 Prompt 与上下文设计、Structured Output、Function Calling、流式输出、模型路由、缓存、超时重试和降级处理。 参与 Agent Harness 工程建设，包括上下文装配、模型与工具边界、执行状态、Profile 环境隔离、Skill 加载、错误恢复和运行观测。 使用 Kafka 构建异步事件处理链路，处理 Consumer Group、offset、重复消费、失败重试、幂等和冷启动数据回放等问题。 参与服务容器化和工程交付，通过 Docker、Kubernetes、GitLab CI/CD 完成自动构建、测试、部署和 MCP 能力注册。 建设 AI 应用评估与观测能力，关注 RAG 检索质量、回答准确性、工具调用成功率、延迟、Token 消耗和用户采纳情况。 编写必要的单元测试、接口文档和技术说明，参与代码评审、问题排查和线上服务持续优化。

2027 届研究生及以上学历，计算机、软件工程、人工智能、数据科学及相关专业。 具备扎实的 Python 编程基础，理解面向对象、异常处理、类型标注、异步编程和常用数据结构。 掌握基本的软件工程知识，理解 HTTP、REST API、数据库、进程与线程、网络通信等基础概念。 熟悉 Git 和 Linux 基本开发环境，能够独立完成代码编写、调试、测试和问题定位。 对大模型应用开发有兴趣，理解 Prompt、Embedding、RAG、Function Calling 或 Agent 中的部分概念。 至少完成过一个可以实际运行的后端或 AI 应用项目，能够清楚说明项目架构、个人贡献、遇到的问题以及解决过程。 具备良好的学习能力和责任意识，能够主动阅读官方文档、排查 GitHub Issue，并及时同步需求风险、技术阻塞和进度变化。