职位描述
智慧芽是一家 AI 驱动的科技创新和知识产权信息服务商。依托长期积累的专利、科技文献、生物医药、材料等专业数据和行业知识，我们正在通过 AI Agent 帮助研发人员、知识产权专业人士和创新团队完成专业检索、技术分析、方案探索、内容撰写和研发决策等复杂任务。
岗位定位：
我们面向产品研发团队，寻找具备扎实工程基础、良好 AI 素养和产品意识的高潜应届毕业生。
在这里，你面对的不只是通用问答或简单的模型 API 调用，而是高专业度、长链路、结果需要验证的真实业务任务。你需要理解大模型的基本原理和能力边界，综合运用大语言模型、多模态模型、RAG、Agent及工具调用能力，将模型与智慧芽的专业数据、业务知识和产品工作流结合，构建可运行、可评测、可持续迭代的 AI 产品功能。
你将参与 AI 产品从业务理解、方案验证、Agent 开发、效果评测到产线运行的完整过程。岗位包含“业务 AI 应用”和“AI 评测平台”两个主要方向，我们会结合候选人的兴趣、能力特点及团队需求确定侧重方向。
岗位职责
1. AI能力接入与业务落地
- 深入专利、研发、生命科学或材料等业务场景，理解用户需求和工作流程，将业务问题转化为清晰、可实现的产品或技术任务。
- 参与大模型、RAG、Agent及多模态能力在业务产品中的接入、调试、测试和上线。
- 通过 Prompt、知识库、工作流和工具调用等方式，将通用模型能力构建为可实际使用的 AI 产品功能。
- 参与 AI 功能的方案设计和技术选型，能够通过原型、实验或数据验证方案的可行性。
- 跟踪功能上线后的运行表现和用户反馈，复现并分析典型问题，与产品、算法、研发及业务团队协作推动解决和迭代。
2. Agent工程开发
- 参与复杂业务场景下 Agent 工作流及配套工程框架的设计与开发。
- 参与上下文管理、任务状态管理、工具调度、运行追踪、异常处理和错误恢复等模块建设。
- 针对多步骤任务、复杂工具调用和长周期执行场景，分析任务中断、上下文缺失、调用失败等问题，并通过工程优化和评测验证提升系统稳定性。
- 参与 Agent 安全边界、权限控制、异常降级和人工介入机制的设计与测试。
- 沉淀可复用的 Agent 组件、开发规范和典型实践，提升不同业务场景的开发与复用效率。
这里保留了 Harness 所代表的能力，但不直接要求校招生独立建设完整框架。对外发布时也可以在首次出现处写为：
参与 Agent Harness（智能体配套工程框架）的设计与开发，包括上下文管理、工具调度、运行追踪和异常恢复等模块。
3. 模型与智能体评测
- 参与大语言模型、多模态模型及 Agent 的评测工作，覆盖专业问答、内容生成、检索增强、工具调用和图文理解等任务。
- 根据业务需求设计测试任务、评测样本、评价标准和验收流程，关注样本代表性、评价一致性和结果可复现性。
- 使用自动化指标、LLM-as-a-Judge（模型评审）和人工评审等方式，比较不同模型、技术方案和产品版本的效果。
- 对模型幻觉、检索失败、工具调用异常、工作流中断等问题进行复现、分类和分析。
- 建设并维护典型案例库、失败案例库和版本回归测试集，及时识别产品效果变化。
- 整理评测结论并形成清晰的分析报告，为模型选型、产品验收和版本迭代提供依据。
4. 工具与平台建设
- 参与自动化评测工具、模型效果看板、案例管理工具或 AI 应用平台的开发与维护。
- 将重复性的测试、数据处理、质量检查和报告整理工作沉淀为脚本、工具或标准流程。
- 探索评测 Agent、自动错误分类、自动报告生成等应用，持续提升研发和评测效率。
- 关注大模型、多模态和 Agent 领域的新能力，并结合业务场景开展试用、分析和验证。任职要求
任职要求
1. 计算机科学、人工智能、软件工程、自动化、数据科学或相关专业，硕士及以上学历。
2. 具备扎实的计算机与软件工程基础，熟练使用 Python，能够独立完成接口开发、数据处理、指标计算、测试验证或小型工具开发。
3. 熟悉 Linux、Git及常见软件开发流程，具备代码质量意识和问题排查能力，能够编写可维护、可测试的代码。
4. 理解大模型的基本原理、能力边界和常见问题，了解 Transformer、Embedding、RAG、Agent及多模态模型等相关技术。
5. 在课程、科研、实习或个人项目中有大模型、AI 编程工具或 Agent 的实际应用经验，能够清晰说明个人贡献、技术选择、实现过程、实际效果及局限。
6. 具备良好的问题分析和协作推进能力，能够将开放问题拆解为可执行任务，以代码、工具、实验或工作流完成验证，并清晰同步过程与结论。
我们重点关注
1. 工程实现：能够将相对开放的问题拆解为可执行任务，并通过代码、工具、实验或工作流完成验证和交付。
2. Agent系统思维：能够从完整任务链路分析问题，关注上下文、工具调用、运行状态、异常处理和效果评测，而不只是完成模型 API 调用。
3. 分析与评测：能够设计基本的对比实验，准确复现问题，并初步判断问题发生在模型、检索、数据、工具还是工作流环节。
4. 业务与协作：愿意理解真实用户任务，能够判断技术方案是否解决业务问题，并清晰同步分析过程、技术选择和项目进展。
加分项
具备以下任意一项或多项经验即可，不要求全部满足：
1. AI项目实践：参与或独立完成过大模型应用、RAG、Agent、多模态或自动化评测相关的实习、科研、课程、个人或开源项目，能够清晰说明个人贡献、技术选择和实际效果。
2. Agent工程实践：使用过模型 API、向量数据库、工作流编排工具或 Agent 开发框架；有上下文管理、工具调度、运行追踪、异常恢复、长任务执行等相关经验更佳。
3. 评测与数据实践：参与过 AI 产品效果评估、测试验收、版本回归或线上质量分析，或具备文本、图像、文档、表格、化学结构等数据处理经验。
4. 扩展工程能力：熟悉 SQL、后端开发、前端开发、数据可视化或自动化测试中的一种或多种。
5. 业务领域知识：具备生命科学、材料、化学、专利或研发信息服务领域的知识或项目经验。
为什么加入我们
1. 解决真实而有价值的问题：你参与构建的 AI 能力将应用于专利查新、技术方案探索、研发情报、生物医药研究和材料分析等专业任务，直接服务企业研发与科技创新。
2. 接触有差异化的数据与场景：你将有机会基于智慧芽长期积累的专业数据、行业知识和业务工作流，探索垂直领域 Agent，而不只是对通用模型进行简单封装。
3. 参与完整的AI工程链路：从模型接入、RAG、工具调用和 Agent 工作流，到评测、运行追踪、异常恢复与线上迭代，你可以系统理解 AI 产品如何从原型走向真实业务。
4. 面对有深度的工程挑战：专业场景不仅关注回答是否“看起来合理”，还关注结果是否准确、可解释、可追溯和可复现，这会带来更具挑战性的 Agent 工程和评测问题。
5. 与多领域团队共同成长：你将与产品、算法、软件研发及专业领域专家团队协作，在解决实际问题的过程中拓展工程能力、AI应用能力和业务理解。
