算法研发工程师（智能体研发方向）(J10856)

1、负责健康智能体核心效果优化，包括任务理解、主动关怀，意图识别、任务拆解、执行规划、结果生成和异常恢复。 2、负责健康报告解读的效果和性能优化。 3、负责基于自研硬件设备的算法设计和效果优化，包括基于设备传感器数据的底层算法和基于hrv&心率&睡眠等数据的上层应用算法。 4、设计和优化 Agent Loop、Prompt 模板、角色设定、工具选择、参数生成及执行反馈机制。 5、负责模型路由和模型选择策略，根据任务类型、上下文、成本、延迟和历史效果选择合适的模型或执行路径。 6、负责上下文工程建设，包括历史消息组织、上下文裁剪、摘要、压缩、长期记忆、短期记忆和任务状态注入。 7、负责工具调用和插件使用效果优化，提升工具选择准确率、参数生成正确率、调用成功率和错误恢复能力。 8、负责文本、图片及其他多模态输入的理解链路设计，优化图片解析、视觉问答、附件处理和多模态模型路由。 9、建设智能体效果评测体系，定义任务成功率、工具调用准确率、回答质量、事实一致性、拒答准确率、延迟和成本等指标。 10、负责线上效果监控和问题分析，结合 Trace、模型调用记录、任务状态和用户反馈定位效果问题，推动 Prompt、策略和模型版本迭代。 11、设计并执行 A/B 测试、灰度实验和策略对比，评估不同模型、Prompt、路由和上下文策略的实际收益。 12、与后端、平台、产品和业务团队协作，将算法策略落地到健康产品中 13、关注模型调用成本、响应速度、稳定性和资源消耗，在效果、时延和成本之间进行综合权衡。沉淀智能体算法规范、评测标准、问题案例和效果优化方法，推动平台能力复用。 14、完成领导交办的相关工作。

1、本科及以上学历，计算机、人工智能、自然语言处理、机器学习、软件工程等相关专业优先。 2、熟悉 Python，具备数据处理、实验分析和算法工程实现能力；熟悉 Go 或其他后端语言者优先。熟悉大语言模型应用开发，理解 Prompt、上下文窗口、Function Calling、Tool Use、Agent Loop 和多轮对话机制。 3、具备 Prompt Engineering、模型调优、任务规划、意图识别、文本分类、信息抽取或对话系统相关实践经验。 4、熟悉大模型 API、流式输出、模型路由、Fallback、超时重试和调用结果分析。 5、理解上下文管理、记忆系统、RAG、向量检索、知识库或长期用户状态管理。 6、具备完整的效果评测意识，能够设计数据集、评价指标、基线方案和自动化回归流程。 具备较强的数据分析能力，能够通过日志、Trace、模型输入输出、用户反馈和统计结果定位问题。 7、能够将算法策略转化为稳定的线上服务，理解接口设计、异步任务、幂等、缓存和基本的工程质量要求。 8、具备较强的问题抽象和实验设计能力，能够快速验证假设并推动方案落地。 9、加分项有 智能硬件算法，健康Agent、任务型对话、搜索问答、多 Agent 系统实践经验。 有模型微调、SFT、LoRA、DPO、偏好优化或数据构造经验。 有多模态模型、图片理解、视频理解、语音交互或附件解析经验。 有工具调用、MCP、插件系统、函数调用编排或复杂工作流设计经验。 有上下文压缩、记忆召回、RAG、知识库问答或个性化推荐经验。 有模型效果评测平台、自动化回归、在线实验平台或 A/B 测试体系建设经验。 熟悉 LangChain、LlamaIndex、DSPy、AutoGen、AgentScope 等 Agent 或大模型应用框架。 有 OpenTelemetry、Prometheus、日志分析或线上模型质量监控经验。 有大模型成本治理、Token 优化、模型降级和高并发推理服务优化经验。 有将算法策略与 Kubernetes、任务调度、模型网关和生产系统结合落地的经验。