AI Agent后端开发工程师（科研智能方向）

职位描述

1. 参与开创性AI for Science项目，聚焦科研智能Agent的后端架构设计、核心模块开发与持续演进，负责科研Agent的调度、推理、工具调用及全流程闭环实现。

2. 与AI/ML团队深度协作，将大语言模型（LLM）与Agent框架（如LangChain）深度集成到科研场景，实现文献分析、论文写作、数据处理等科研任务的Agent自主执行。

3. 构建并优化科研Agent的核心后端服务，包括Agent调度系统、模型服务调用层、任务拆解与执行引擎、工具调用接口（文献检索、数据查询等），保障Agent自主运行的稳定性与高效性。

4. 负责后端数据层与中间件的设计、优化，熟练运用MongoDB、PostgreSQL、Redis、消息队列等组件，处理科研数据的存储、缓存与异步任务调度，支撑高并发场景下的Agent服务。

5. 推动AI Agent后端工程体系标准化、规范化，完善CI/CD部署流程，实现Agent服务的容器化、云原生部署，保障系统高可用、可扩展。

6. 持续优化Agent的推理效率、任务执行成功率，解决Agent调度、工具调用、模型交互中的技术难点，提升科研Agent的实用价值。

任职要求

1. 具备3-7年后端开发经验，拥有独立负责复杂后端平台、智能体相关系统开发维护的完整经历，有AI Agent相关项目经验者优先。

2. 精通Python及FastAPI生态框架，熟练使用Docker、MongoDB、PostgreSQL、Redis、消息队列（如RabbitMQ、Kafka）等数据库、中间件与基础设施。

3. 具备扎实的系统设计能力，精通API设计、数据库优化、微服务架构、消息队列及缓存技术，能独立完成AI Agent后端服务搭建、数据库设计、任务调度系统开发等核心任务。

4. 熟悉AI Agent框架（如LangChain、AutoGPT）的基本原理与应用，能快速集成LLM模型服务，实现Agent的感知、推理、规划、工具调用闭环。

5. 拥有云原生技术实战经验，熟悉Docker、Kubernetes及CI/CD开发部署流程，能实现后端服务的容器化部署与运维。

6. 具备良好的问题排查能力，能快速定位并解决后端服务、Agent调度、模型调用中的技术问题，保障系统稳定性。

加分项

1. 有科研类项目后端开发经验，了解文献分析、论文写作、科研数据处理等业务逻辑者优先。

2. 有大模型+问答系统、Agent调度系统、实时推送系统等项目经验，掌握相关架构设计与调优手段。

3. 对异步任务、高并发、高可用系统有深入认知与丰富实践经验，能应对科研场景下的高并发请求。

4. 有活跃的开源项目贡献或技术社区参与经历（如GitHub、HuggingFace），熟悉大模型相关技术生态。

5. 了解科研领域常用工具、API（如文献数据库接口），能快速集成相关工具到Agent的工具调用体系。