职位描述： 1. Agent 场景定义与任务拆解 ● 与药化、生物、药理、CMC 及项目团队沟通，识别适合用 Agent 承载的高频、高价值研发场景。 ● 将模糊的业务诉求拆解为可执行的任务链：明确输入、输出、可调用工具、终止条件和人工介入点。 ● 判断哪些环节应由确定性 Workflow 完成、哪些应交给模型推理，避免把可以规则化的流程做成不可控的自由推理。 ● 与业务方共同定义“什么算做对了”，把主观满意度转化为可评测的验收标准。 2. Agent 系统设计与工具链构建 ● 设计 Agent 的推理与执行架构，包括任务规划、工具调用（tool / function calling）、上下文与记忆管理、多轮交互和多 Agent 协同。 ● 把 Model Hub 中的模型、Workflow 中的流程、内外部数据库和计算工具封装为稳定、可发现、可组合的工具接口。 ● 构建面向研发文献、内部知识资产和结构化数据的检索增强（RAG）能力，保证输出可溯源、可核查。 ● 设计结构化输出与约束机制，控制 Agent 的行为边界、权限范围和失败降级路径。 这里不要求候选人入职前已经熟悉药物研发流程，核心要求是具备把复杂任务拆解为可靠 Agent 系统的能力，并能与领域专家共同定义任务目标。 3. 评估体系与持续迭代 ● 为每个 Agent 建立评估集与自动化评测流程，覆盖任务成功率、工具调用正确性、引用可核查性、幻觉率、延迟与成本。 ● 建立上线前回归测试与上线后线上指标监控，保证迭代不引入退化。 ● 基于失败案例做归因分析，区分模型能力不足、工具缺失、上下文组织问题与需求定义不清。 ● 用数据驱动 prompt、工具设计和架构的迭代，而不是凭感觉反复调试提示词。 4. 平台能力复用与集成 ● 与平台架构、后端和前端团队协作，将 Agent 接入 Agent Workbench 及相关业务模块。 ● 复用平台的模型服务、任务调度、权限、审计和存储能力，避免重复建设。 ● 参与 Agent 相关的接口契约、版本管理、灰度发布和运行监控等能力建设。 ● 沉淀可复用的 Agent 组件、工具库、评估资产和最佳实践，降低后续场景的边际交付成本。 5. 工程化与上线交付 ● 将 Agent 及其依赖整理为可重复构建、可版本化部署的服务，具备容器化交付能力。 ● 关注推理成本、响应延迟、并发能力和稳定性，做必要的缓存、批处理与调用优化。 ● 建立日志、追踪和可观测性，使每一次 Agent 执行都可复盘。 ● 编写设计文档、评估报告和使用说明，支持内部推广与外部合作项目落地。 任职条件： ● 计算机科学、人工智能、数据科学、统计学、生物信息学或相关专业，硕士及以上学历。 ● 具备大模型应用或 Agent 系统的实际开发经验，熟悉工具调用、检索增强、结构化输出、上下文工程等核心技术。 ● 熟练使用 Python，熟悉 LangGraph、LlamaIndex、AutoGen、Strands 或自研 Agent 框架中的一种或多种。 ● 具备工程化思维和实际工程经验：熟悉 Git、Docker 容器化、REST API、异步任务、CI/CD、日志与监控，交付物是可部署的服务而不是本地脚本。 ● 能够独立构建评估集与自动化评测流程，用可量化的指标驱动迭代。 ● 理解大模型的能力边界与典型失败模式，包括幻觉、长上下文衰减、工具误用、指令注入和权限越界。 ● 具备扎实的机器学习基础，能判断某个问题应该用检索、微调、规则还是流程编排解决。 ● 具备良好的沟通和问题抽象能力，能够与业务、实验和工程团队协作。