工作内容：
Multi-Agent 工作流编排：摒弃 “单一超长 Prompt” 的粗暴方式，设计并落地专职 Agent 阵列（如：意图拆解 Agent 、规则合成 Agent 、逻辑自洽校验 Agent 、资产匹配 Agent ），构建基于图或状态机的调度系统。
“幻觉” 防御与确定性闭环：针对 LLM 输出的不确定性，设计强约束的结构化输出策略（ JSON Schema / Function Calling ），重点设计 Reviewer Agent 的静态逻辑推演机制，拦截 “死锁、不可达状态、数值崩溃” 等致命逻辑错误，并设计错误打回与自动修复链路。
模型路由与成本工程：基于各种主流模型格局（如 Claude Opus/Sonnet 5.x 、GPT-5.5 、Qwen3.x 、DeepSeek V4pro 等），设计 “质量 - 成本 - 延迟” 分层路由策略。关键链路用重模型保底，高并发 / 简单任务用轻模型 / 开源模型摊薄成本。
AI 评测与可观测体系：搭建模型生成质量的自动化评测集与回归测试机制（不仅看代码跑不跑得通，还要看业务逻辑对不对），建立 Prompt 与 DSL Schema 的版本管理与灰度发布能力。
任职要求：
[必须项]
扎实的工程化代码底座：3 年以上 Python 后端开发 / 架构经验，不仅会写脚本，必须具备良好的系统分层、接口抽象和工程化落地能力。
Multi-Agent 系统实战经验：具备实际落地基于图或状态机的多 Agent 协作系统经验（精通 LangGraph 、AutoGen 、CrewAI 等框架底层原理，或有完全脱离框架基于原生 API 手写 Agent 调度器的经历）。
极致的结构化输出控制力： 熟练运用 JSON Schema 、Function Calling 等技术，有将大模型的发散输出 “强制锁死” 在严格指定格式内、并在生产环境中处理格式异常兜底的成功经验。
“数据驱动” 而非 “代码驱动” 的架构认知： 理解编译原理（ AST 、解释器执行逻辑）或熟练掌握 ECS （实体 - 组件 - 系统）架构思想。能深刻理解 “如何将复杂的业务逻辑，抽象剥离为纯数据描述（如 JSON ）”。
清醒的模型边界意识： 熟悉当前主流大模型（如 Claude 、GPT 、Qwen 、DeepSeek 等）的能力象限与成本差异。
[加分项]
AI 评测与可观测体系经验： 有实际搭建 “LLM 输出质量自动化评测集” 与回归测试机制的经验。
复杂规则引擎 / 低代码平台背景： 过往主导或深度参与过规则引擎、工作流引擎、低代码 / 无代码平台的底层数据结构设计。
具备游戏研发经验或者重度游戏玩家： 深度游玩过卡牌构建（如杀戮尖塔类）、Roguelike 、解谜等 “强规则驱动型” 游戏，对其底层的数值循环、状态机流转有直觉级的拆解能力。
base:北京，不接受远程,45-60K 。最低本科，大专的同学就别投了。
简历请投递：cG91Y2hlbGl0ZUBnbWFpbC5jb20=
邮件发送时候请附上 github 主页链接
Multi-Agent 工作流编排：摒弃 “单一超长 Prompt” 的粗暴方式，设计并落地专职 Agent 阵列（如：意图拆解 Agent 、规则合成 Agent 、逻辑自洽校验 Agent 、资产匹配 Agent ），构建基于图或状态机的调度系统。
“幻觉” 防御与确定性闭环：针对 LLM 输出的不确定性，设计强约束的结构化输出策略（ JSON Schema / Function Calling ），重点设计 Reviewer Agent 的静态逻辑推演机制，拦截 “死锁、不可达状态、数值崩溃” 等致命逻辑错误，并设计错误打回与自动修复链路。
模型路由与成本工程：基于各种主流模型格局（如 Claude Opus/Sonnet 5.x 、GPT-5.5 、Qwen3.x 、DeepSeek V4pro 等），设计 “质量 - 成本 - 延迟” 分层路由策略。关键链路用重模型保底，高并发 / 简单任务用轻模型 / 开源模型摊薄成本。
AI 评测与可观测体系：搭建模型生成质量的自动化评测集与回归测试机制（不仅看代码跑不跑得通，还要看业务逻辑对不对），建立 Prompt 与 DSL Schema 的版本管理与灰度发布能力。
任职要求：
[必须项]
扎实的工程化代码底座：3 年以上 Python 后端开发 / 架构经验，不仅会写脚本，必须具备良好的系统分层、接口抽象和工程化落地能力。
Multi-Agent 系统实战经验：具备实际落地基于图或状态机的多 Agent 协作系统经验（精通 LangGraph 、AutoGen 、CrewAI 等框架底层原理，或有完全脱离框架基于原生 API 手写 Agent 调度器的经历）。
极致的结构化输出控制力： 熟练运用 JSON Schema 、Function Calling 等技术，有将大模型的发散输出 “强制锁死” 在严格指定格式内、并在生产环境中处理格式异常兜底的成功经验。
“数据驱动” 而非 “代码驱动” 的架构认知： 理解编译原理（ AST 、解释器执行逻辑）或熟练掌握 ECS （实体 - 组件 - 系统）架构思想。能深刻理解 “如何将复杂的业务逻辑，抽象剥离为纯数据描述（如 JSON ）”。
清醒的模型边界意识： 熟悉当前主流大模型（如 Claude 、GPT 、Qwen 、DeepSeek 等）的能力象限与成本差异。
[加分项]
AI 评测与可观测体系经验： 有实际搭建 “LLM 输出质量自动化评测集” 与回归测试机制的经验。
复杂规则引擎 / 低代码平台背景： 过往主导或深度参与过规则引擎、工作流引擎、低代码 / 无代码平台的底层数据结构设计。
具备游戏研发经验或者重度游戏玩家： 深度游玩过卡牌构建（如杀戮尖塔类）、Roguelike 、解谜等 “强规则驱动型” 游戏，对其底层的数值循环、状态机流转有直觉级的拆解能力。
base:北京，不接受远程,45-60K 。最低本科，大专的同学就别投了。
简历请投递：cG91Y2hlbGl0ZUBnbWFpbC5jb20=
邮件发送时候请附上 github 主页链接
Select Language