AI Agent应用开发(J11390)

职位描述

1.业务需求智能化拆解： 深入采购、财务等职能部门，理解现有业务流程痛点（如合同审核、发票处理、预算控制、供应商管理等），将复杂的业务规则转化为AI Agent能够理解和执行的逻辑流程。

2.AI Agent架构设计与开发： 负责基于LangChain、AutoGen、Semantic Kernel或其他Agent框架的核心代码开发，设计包括记忆、规划、工具调用（RAG、SQL查询、API集成）在内的智能体解决方案。

3.场景落地与实施： 主导AI Agent在具体业务场景（如智能财务助手、自动化采购履约Agent）中的落地实施，确保Agent的准确性、稳定性和响应效率。

4.模型微调与提示词工程： 针对特定业务场景，进行Prompt Engineering优化，必要时参与垂直领域LLM的微调工作，提升模型对专业术语（财务/采购术语）的理解能力。

5.技术攻坚与创新： 持续跟进AI Agent前沿技术（如多模态Agent、多智能体协同），探索如何将最新的技术想法快速原型化，并应用到实际业务中以产生价值。

6.数据闭环建设： 建立Agent应用的数据反馈链路，通过用户交互数据持续分析和优化模型表现，形成业务智能化的正向循环。

任职要求

1. 基础门槛：

学历要求：本科及以上学历，计算机科学、人工智能、软件工程或数学相关专业。

业务经验：具备5年以上工作经验，且其中必须包含采购、财务、供应链或泛ERP领域的实际业务经验或系统开发经验。（必须熟悉该领域的业务流程和术语）。

2. AI专业能力：

项目经验：拥有2年以上AI Agent项目开发经验，熟悉至少一种主流Agent框架（如LangChain, LlamaIndex, AutoGen, CrewAI等）。

AI编程工具：熟练使用Cursor、GitHub Copilot（Codex）、通义灵码等AI辅助编程工具，具备利用AI工具提升开发效率的实际经验，并有AI编程项目从原型到上线的完整落地案例。

技术栈：熟练掌握Python/Java，具备扎实的代码功底；熟悉常用的RAG架构，掌握Chroma/Weaviate/FAISS等向量数据库的使用。

模型认知：深入理解Transformer架构、Prompt Engineering、Function Calling等机制，有实际的大模型（OpenAI, Qwen, ChatGLM, Llama等）API调用和调优经验。

3. 核心软素质（关键项）：

业务嗅觉： 对业务有强烈的好奇心，不局限于技术实现，追求深入业务一线，能用技术手段解决实际的财务、采购核算等问题。

专研精神： 对AI技术有发自内心的热爱和钻研精神，日常关注AI前沿动态，乐于阅读论文并动手实验。

落地能力： 不仅停留在概念验证（POC）阶段，有强烈的意愿和执行力将想法转化为真正可用的产品功能，并推动在实际业务中落地见效。

【加分项】

1.有完整的AI Agent项目从0到1的落地经验，且项目已实际产生业务价值（如减少人力工时、降低错误率等）。

2.有财务/采购领域的知识库构建、智能问答或流程自动化（RPA+AI）项目经验。

3.在AI编程方面有深度实践，例如利用AI工具重构遗留系统、自动化生成业务代码、或开发基于LLM的代码辅助工具等。

4.在GitHub上有高质量AI项目贡献，或在技术社区有影响力者优先。

有模型微调（Fine-tuning）或RLHF实践经验。