天津小橙集团有限公司* 专业要求：
•本科及以上学历，硕博应届生欢迎投递；计算机科学、人工智能、软件工程、数学、统计、电子工程、生物医学工程等相关专业。
2. 经验要求
•应届至3年开发经验皆可。我们更看重你的项目和代码本身，而不是工龄。
•希望你至少有一个“端到端做过、能讲清楚每个技术决策、能现场演示”的AI项目——无论它是开源贡献、Hackathon获奖、毕设、个人产品还是公司业务。
3. 编程与工程基础
•精通Python，熟悉至少一门后端语言（Java / Go / Node.js / Rust任一）；写得出可维护、可测试、可观测的代码。
•理解数据结构、算法、并发与异步编程、分布式系统基础（CAP、一致性、消息队列、缓存策略等）。
•熟悉数据库（关系型 + NoSQL + 向量数据库）、消息中间件（Kafka / RabbitMQ / Redis Stream）、API网关、微服务架构。
•掌握CI/CD、容器化（Docker / Kubernetes）、监控告警、灰度发布等生产级工程实践。
4. AI Native技术栈
•LLM与Agent框架：深入理解LLM工作原理、Agent设计模式、Function Calling机制；熟悉LangChain、LangGraph、LlamaIndex、AutoGen、CrewAI、MetaGPT、Semantic Kernel、Pydantic AI、Spring AI中至少一个框架，能独立设计并实现生产级Agent。
•RAG与知识工程：有RAG系统的端到端开发经验，理解Embedding模型选型、Chunking策略、Hybrid Search、Reranker、GraphRAG等关键技术；熟悉至少一种向量数据库的工程实践。
•Prompt Engineering：理解Prompt不是“调教模型”而是“系统工程”，有CoT / ReAct / Self-Consistency / Reflexion等提示策略的实战经验。
•评测与可观测性：理解AI产品与传统软件的核心差异是“非确定性”，知道Eval体系是与开发同步建设而非事后补救；有Ragas / DeepEval / Langfuse / LangSmith等工具的使用经验。
•多模态：了解VLM、ASR、TTS等多模态模型的能力边界与接入方式；有与Whisper、CosyVoice、Qwen-VL、CLIP等模型集成的项目经验者优先。
5. 综合素质
•韧性：AI Agent项目90%的时间在与“模型不按你期望的方式工作”作斗争。你要能在Prompt调试到第50轮还没收敛的时候保持冷静，相信“再多试几条数据、再改一版工具描述”这类不性感的工作正是技术壁垒所在。
•协作能力：你不会一个人写代码到上线——要跟产品对齐场景、跟算法讨论模型、跟运营对齐冷启动、跟一线人员请教业务常识。这种“跨语言对话”的能力比写代码本身更稀缺。
•Owner意识：我们不会有人盯着你写每一行代码。你要主动定义问题、推动跨团队对齐、对最终业务效果负责；如果期待“产品给我PRD、按时交付就好”的工作方式，这个岗位不适合你。
•学习速度：LLM领域每周都有新东西，养老场景对你来说也是全新领域——既能吸收最新Arxiv论文，也能听懂临床顾问讲的“老年综合评估量表是什么”。
•工程审美：代码有美感、系统有章法；对生成效果有匠人般的打磨精神，对技术细节有天然的偏执。
* 职位描述：
一、岗位职责
1. AI Native系统架构与核心模块开发
• 负责AI养老业务线的Agent系统架构设计与核心模块实现，覆盖Agent Runtime、任务规划、上下文管理、工具调用、记忆系统、人机协同、异常恢复、权限治理等关键能力。
• 设计可扩展的Agent能力框架，根据业务复杂度灵活选型——单Agent、Multi-Agent、Agentic Workflow、Hierarchical Agent等多种模式。
• 构建领域工具集与外部能力接入层（健康知识图谱、医学知识库、政策法规库、电子病历接口、可穿戴设备数据接入、第三方医疗服务API等）。
• 基于MCP（Model Context Protocol）、A2A等新一代协议设计Agent间通信与生态扩展能力。
2. LLM应用工程化与Prompt系统建设
• 围绕Prompt Engineering（CoT、Few-shot、ReAct、Tree-of-Thought、Self-Consistency、Reflexion等）建立分层、结构化、领域化的提示词体系，并配套版本管理、A/B评测、自动优化机制。
• 构建生产级RAG基础设施，包括分块策略、Embedding模型选型、向量数据库（Milvus / Qdrant / Weaviate / pgvector / Chroma）、混合检索、Reranker、GraphRAG、Hallucination抑制等关键环节。
• 优化Agent在生产环境的延迟、成本、稳定性、安全性，处理Token经济、缓存、限流、降级、重试、长上下文优化等工程细节。
3. 多模态与模型能力集成
• 跟踪并集成最新的开源与闭源大模型（GPT/Claude/Gemini/Qwen/DeepSeek/Llama等），结合业务场景做模型选型、Routing、组合调用与降级策略。
• 集成多模态能力（VLM视觉理解、ASR语音识别、TTS语音合成、Diarization说话人分离、OCR等），构建覆盖文本、语音、图像、视频的全模态交互能力。
• 有需要时参与模型微调与对齐工作（SFT、LoRA / QLoRA、DPO、RLHF、RLAIF等），针对垂直场景进行模型定向优化与知识注入。
4. Eval体系与可观测性
• 构建Agent全链路评估体系，覆盖任务完成率、事实准确性（Faithfulness）、上下文相关性、工具调用成功率、用户满意度、人工介入率、长尾失败率等核心指标。
• 熟练使用Ragas、DeepEval、TruLens、OpenAI Evals、Phoenix等评估框架，建立离线Benchmark + 在线A/B + 真实场景反馈的多层评估机制。
• 接入Langfuse、LangSmith、Helicone、Arize Phoenix等可观测性平台或自研Trace系统，让每一次Agent调用都可追溯、可调试、可复盘。
• 基于失败样例与长尾问题，反向驱动模型选型、Prompt优化、工具设计、知识库构建的持续迭代。
5. 技术前沿与团队协作
• 持续跟踪Agent、LLM、Multi-Agent、MCP、A2A、Computer Use、World Model、Embodied AI等前沿技术发展，推动团队技术栈演进。
• 与产品、算法、设计、临床顾问、运营紧密协作，把领域知识、用户反馈、监管要求转化为可工程化的Agent能力。
• 沉淀技术文档、最佳实践、内部组件库，营造开放分享、追求极致的工程文化。
招聘信息
津公网安备12010402000967号