职位描述
项目背景：
加入全球领先的 AI 研发团队，致力于通过前沿 Agent 技术重塑复杂领域的数据处理范式。你将参与构建面向专业场景的智能系统，覆盖信息提取、知识解析、智能检索等核心场景，推动 AI Agent 在垂直领域的工业化落地。
岗位职责：
1. Agent 模块开发： 参与 AI Agent 系统的功能模块设计与实现，探索 Tool Use、多步推理与自主决策的最佳实践。
2. 数据 Pipeline 构建： 开发非结构化文档的自动化解析、清洗与结构化入库流程，构建高质量数据底座。
3. 规则与 LLM 协同： 在导师指导下，参与规则引擎与 LLM 混合架构的设计，学习在准确性、成本、延迟间寻找最优解。
4. 评测体系搭建： 参与金标数据集构建、自动化评测脚本编写与 badcase 归因分析，驱动 prompt 迭代与模型优化。
5. LLM 基础设施： 协助搭建多模型调用基础设施，参与输出校验、Token 成本控制与调用链追踪的实现。任职要求
职位要求：
1. 技术基础： 熟悉 Python 后端开发，了解 asyncio 异步编程，具备独立完成自动化脚本编写的能力。
2. LLM 工程认知： 了解 LLM 基本原理，对 Structured Output、幻觉控制、Prompt Engineering 有实际理解或项目经验。
3. Agent 思维： 对多阶段 Pipeline 设计有基本认知，了解 Tool Use、Multi-Agent 编排等概念，有相关项目经验加分。
4. 实习时间： 能够稳定实习 3 个月以上，每周在岗 4 天及以上。
加分项：
1. 框架经验： 熟悉 LangChain、AutoGPT、CrewAI 等 Agent 框架，有 LLM 应用开发或复杂数据系统项目经验。
2. 可观测性： 了解 LLM 调用追踪、成本监控或质量看板建设，有从零搭建评测体系的经验。
3. 领域背景： 对医药/化学领域有基本了解，或具备跨学科背景，能与领域专家有效沟通。
你将收获：
1. AI 工程化实战： 深度参与 Agent 系统从设计到上线的全链路，掌握 LLM 工程化核心技能（结构化输出、幻觉控制、Token 优化、多模型编排）。
2. 前沿技术视野： 接触多模型协同、规则与 AI 混合架构、自动化评测等工业级实践，建立完整的技术方法论。
3. 跨界能力培养： 站在 AI 与专业领域的交叉点，培养将复杂业务需求转化为技术方案的能力，建立差异化竞争力。
