职位描述
1. Agent 架构开发： 设计并实现高并发、可扩展的机器人 Agent 框架，集成长短期记忆模块与 RAG 检索系统，使机器人能在复杂场景下，拆解长程任务到VLA可执行动作。
2. 工程化性能优化： 负责优化 LLM/VLM 调用全链路时延，包括但不限于流式输出处理、KV Cache 优化及异步推理调度。
3. 多模态对齐与 RAG： 建立针对机器人操作任务的向量数据库，实现基于视觉语义和环境上下文的精准知识检索。
4. 真机策略落地： 负责 VLA 模型在物理实体机器人上的部署与调试，解决非结构化环境下的动作连贯性与实时纠错问题。
5. 中间件开发： 开发高性能 Agent 插件，对接底层控制接口，实现自然语言到结构化控制参数的毫秒级转换。任职要求
1. 计算机/AI 基础： 计算机科学或相关专业硕士及以上学历，具备极强的 C++/Python 编程能力。
2. 大模型工程化：
- 熟练应用 LangChain / AutoGPT / MetaGPT 等 Agent 开发框架。
- 精通 RAG 系统（向量数据库如 Milvus/Pinecone 的选型与性能调优）。
- 有 vLLM / TensorRT-LLM 等推理加速框架的实战经验。
3. 时延优化经验： 深刻理解 Transformer 推理瓶颈，有处理多模态大模型（VLM）首 Token 延迟（TTFT）优化的成功案例。
4. （加分项）机器人背景： 熟悉 ROS2 , 了解动作规划与状态机（State Machine）开发。
5. 解决问题能力： 能够应对真实物理环境中的噪点与不确定性，具备处理端到端模型异常退化的工程经验。
