AI Agent开发工程师

职位描述

岗位职责

一、Agent 平台建设

1、负责 Agent 平台核心模块的设计与开发：Agent 运行时、多步任务编排引擎、记忆系统（短期会话 / 长期跨会话）、工具调用与 Skill 管理，支撑业务 Agent 规模化生产运行；

2、建设工具接入体系：基于 HTTP/MCP 等协议将内部业务系统（API / 数据库）安全地封装为 Agent 可用工具，负责协议适配、统一鉴权与身份透传；

3、建设企业级知识库：统一管理 Agent 所需的业务文档与知识，提供知识接入、加工、检索与溯源能力，为 Agent 提供可信的知识来源；技术路线不限于 RAG，可结合 Agentic Search、长上下文等新范式持续演进；

4、建设 Agent 评测与可观测体系：全链路 Trace、效果评测（Evals）、Bad Case 回流迭代，以及 Guardrail 风险控制（护栏拦截、异常升级人工、审计留痕），保障 Agent 自主运行的安全可控；

5、负责模型网关相关能力：多模型接入与路由、Prompt / 上下文工程规范、调用成本治理。

二、业务 Agent 开发与落地

1、、深入支付业务场景（KYC/KYB 商户审核、对账、客诉处理、渠道告警处置、智能客服、数据分析等），完成「需求分析 → 方案设计 → Agent 搭建 → 评测调优 → 上线运营」的全链路交付，对业务效果负责（人效提升、任务完成率、渗透率等指标）；

2、设计人机协同（Human-in-the-Loop）与多 Agent 协作（A2A）方案，推动 Agent 从辅助查询走向协同处理与自主闭环；

3、沉淀可复用的 Agent 模板与 Skill 资产，赋能业务团队自服务搭建与持续调优。

任职要求

1、本科及以上学历，计算机相关专业，3 年以上后端 / 平台开发经验，其中 1 年以上 AI Agent / LLM 应用开发实践；

2、Python 或 TypeScript / JavaScript 精通其中一种，熟悉 Java；具备扎实的工程功底（分布式系统、高可用、性能优化）；

3、深入理解 LLM 应用开发：Prompt / 上下文工程、Function Calling、MCP 协议，有实际的 Agent / LLM 应用开发经验；对具体开发框架不设硬性要求，使用过任意主流框架 / SDK（如 Claude Code Agent SDK、LangGraph 等）即可；

4、熟悉 Agent 安全防控：提示注入等攻击防护、权限边界与数据脱敏、护栏（Guardrail）拦截与审计留痕，理解自主运行 Agent 的风险控制；

5、熟悉人机协同（Human-in-the-Loop）与多 Agent 协作（A2A）：审核确认机制、任务拆分与协作编排，有相关设计或落地经验；

6、熟悉 Agent / Skill 评测（Evals）：评测集构建、效果度量、Bad Case 回流迭代，能对 Agent 上线质量负责；

7、理解主流 Agent 架构范式（ReAct、Plan-and-Execute、Multi-Agent），能针对业务场景做选型与权衡；

8、有探索精神，持续关注 AI / Agent 行业最新动态（新模型、新框架、新范式）并快速验证落地；乐于分享，能带动团队整体效能提升；

9、良好的业务理解与沟通能力，能把模糊的业务诉求拆解为可落地的 Agent 方案。

加分项

1、熟悉 AWS Bedrock AgentCore：了解其核心组件（Runtime、Gateway、Identity、Memory、Observability 等），有基于 Runtime 部署扩容 Agent、用 Gateway 将 API / Lambda 封装为 MCP 工具、用 Memory / Identity 构建跨会话上下文与代理用户安全访问的实践经验；具备「开源框架（LangGraph / CrewAI）+ AWS 无服务器架构」等价经验者同样欢迎；

2、熟悉支付 / 金融业务（收单、清结算、风控、合规 / KYC / 反洗钱），有金融科技行业 AI 落地经验；

3、有 0 到 1 建设企业级 Agent 平台 / LLM 中台的经验；

4、对 Agent / LLM 相关开源项目有代码贡献，或在技术社区 / 顶会分享过 Agent 工程实践；

5、有多模态文档理解、会话蒸馏 / Agent 持续学习、Agent 安全（提示注入防护）等方向的实践经验。