1、基于主流 LLM（OpenAI / Claude / 开源模型）实现 Agent 推理引擎，支持 ReAct、Planner-Executor、Reflection 等经典范式； 2、构建 Agent 运行时核心模块：上下文管理、短期与长期记忆系统、工具注册与动态调用链路； 3、参与多 Agent 协作系统设计，实现任务分解、角色分工与结果聚合，让多个 Agent 高效配合完成复杂任务； 4、搭建完整的 RAG 知识检索流水线：文档解析、智能分块、Embedding、向量检索、重排序； 5、选型并维护向量数据库（Qdrant / Weaviate / Milvus），结合全文检索实现混合检索策略； 6、设计并迭代系统提示词，结合 Few-shot、Chain-of-Thought 等技巧，提升 Agent 任务完成率与输出质量； 7、参与 Agent 失败 case 分析，定位推理链路断点，通过 Prompt 调优或代码逻辑改进提升系统鲁棒性。