洞察业务问题，以AI为核心计算引擎，清晰定义目标，设计AI原生架构（AI-Native Architecture），完成任务的编排与交付，将AI的不确定性转化为工程的确定性，让大模型在真实生产环境中稳定落地。具体职责包括： 1.需求共创与问题定义：深入业务一线，通过数据挖掘与特征分析完成现象归因与建模，成为需求的共创者。定义目标与非目标（Goal & Non Goal），将业务需求转译为工程需求。 2.架构与系统设计：针对业务问题进行数学与逻辑建模，从零设计AI原生架构（AI-Native Architecture），包括Agent系统的业务流程建模与闭环设计（意图明确、任务拆解、工具调用、自主执行、反思纠错）。在成本、性能、安全、合规、SLO之间做系统级权衡，设计高可用架构并落实监控告警与自动恢复机制。 3.任务编排与交付：将AI的“不确定性”转化为工程的“确定性”。包括环境构建（API网关、消息队列、缓存等），工程迭代（调试、旁路测试、自动化评测），任务拆解与依赖编排，边界治理（权限分级、审计链、失败兜底），以及交付指标的持续优化。 4.Agent核心能力设计与实现：负责Agent关键模块的方案选型与工程落地，包括：上下文与记忆管理（短期/长期记忆方案，上下文窗口管理，多轮交互的信息连贯性），规划与推理策略（根据业务场景选择和优化ReAct、Plan-and-Execute、反思机制等模式），工具集成与编排（对接业务系统API和外部工具，设计工具描述、调用链路与异常处理机制），RAG/知识增强（构建业务知识库的检索增强方案，优化召回质量与上下文注入策略）。 5.工程正确性管理：明确业务规则与边界条件，定义数据契约。建立分层验证体系与CI阻断机制，持续跟踪缺陷密度与线上故障率，通过灰度发布与渐进式rollout持续降低MTTR。 6.沉淀与迭代：通过复盘提炼业务路径与技术经验，将成功经验内化为可复用的模型能力与系统底座，实现智能的规模化应用。