AI 应用工程师（Agent 方向）

公司正在构建一款基于 Agent 的生成式参数化 3D 产品，核心 AI 功能目前由创始人直接带队开发。这个岗位不只是写代码，而是要深度参与从 Demo 到生产环境的工程化落地，重点构建「可控、可恢复、可观测」的 Agent 工作流与工具系统。 1. Agent 编排与稳定性· 负责 Agent 编排与执行机制：分流 / 路由、状态管理、幂等设计与一致性策略· 构建"反脆弱"系统：错误分类、重放 / 补偿、死信队列与可恢复链路，确保长链路交互不掉单、不卡死· 设计多模型路由策略，按任务难度与预算动态选择模型，实现 Token 成本可视化与预算控制 2. Tools 体系与评测· 设计并实现可复用的 Agent Tools，输入输出契约清晰（Schema Design），可测试、可灰度发布· 搭建 Agent 离线回放与回归测试机制，用成功率、工具误用率、幻觉率等指标量化工具质量 3. 可观测性与可靠性· 为核心链路接入 Tracing / Metrics / Logging（如 OpenTelemetry），解决跨模块、跨服务的上下文传播与问题定位· 视业务需要落地高可靠的一致性方案（如 Transactional Outbox） 任职要求 · 有实际的 LLM / Agent 项目落地经验，深入理解多轮对话状态管理、Context Engineering、工具调用与信息检索 · 【必备】AI Native 开发习惯：把 Claude Code / Codex / Cursor 等工具作为日常研发的核心——探索方案、生成和重构代码、补齐测试、定位问题、编写文档；同时有能力对 AI 生成的代码严格把关 · Python 异步编程扎实：熟练掌握 asyncio、并发控制、超时管理与资源隔离，清楚"轻量后台任务"与"可靠任务系统"的边界 · 能独立跑通「需求 → 设计 → 实现 → 测试 → 上线 → 观测 → 迭代」的完整闭环 · 对 Web 框架、数据库、部署运维理解底层逻辑与最佳实践，能借助 AI 工具快速补齐短板 加分项 · 用过 3D 建模软件，尤其是参数化建模 / 矢量 3D（入职有培训，非必需） · 有 LLM 应用可观测性实战经验（如 LangSmith 或自建 Tracing 平台） · 熟悉 Supabase、Railway 等现代基础设施，或有 Serverless 开发经验