AI Agent开发工程师

架构演进

• 持续迭代 AI Agent 应用架构与研发流程，主导设计 Agent 运行时、任务编排、工具调用、上下文管理、记忆体系与安全策略
• 建设覆盖前端、Node/BFF、后端服务、模型服务与 CI/CD 的全栈研发基础设施
• 结合 Neo4j 构建知识图谱，结合 Milvus 等向量数据库构建 RAG 与语义记忆能力

效能与质量

• 关注任务完成率、错误恢复率、首响时延、Token 成本、调用成功率等关键指标
• 建立 Agent 评估与管控体系，覆盖功能评测、回归测试、行为对齐、安全合规、灰度发布与线上监控
• 具备工程债务识别与治理能力，能对历史模块、接口协议、数据链路和技术栈进行系统性重构

Harness Engineering

• 实践 Harness Engineering 理念，建设覆盖 Prompt、上下文、工具调用、结果校验、回归评测与安全策略的可执行 Harness 体系
• 将 Agent 运行时、评估基准、灰度发布、可观测性与 CI/CD 集成，形成模型、Prompt、工具与业务代码的可持续演进闭环
• 推动 AI 覆盖需求拆解、代码生成、测试、Review、发布、监控与告警的全流程

AI 原生工程实践

• 深度实践 Agent Loop、Function Calling、MCP、RAG、多模态感知与 Agent 编排技术
• 设计 Agent 工程脚手架，包括 Prompt 规范、上下文工程、Embedding 策略、工具协议与评测基准
• 规划规划 Agent、执行 Agent、知识 Agent、评估 Agent 的多 Agent 协作机制，探索“数字员工”的实际业务价值

团队建设

• 制定 AI Agent 开发规范，把控 Code Review，指导新人成长
• 沉淀团队级 AI