北京万联易达商贸有限公司 python 招聘（工资待遇要求）

岗位职责
设计并实现多Agent协作框架：基于DeepAgent或LangGraph，实现任务分解、多智能体编排、并行调度与容错恢复，支撑L6协同编排层的产品化落地
构建LLM应用层：集成GPT/Claude/DeepSeek等主流大模型，实现Prompt工程、Function Calling、Tool Use、结构化输出，支撑L7交互体验层的自然语言理解与生成
开发Agent记忆系统：实现短期对话记忆、长期向量记忆、上下文压缩与折叠机制，确保Agent在跨天、跨会话的长时任务中保持上下文连续
实现RAG流水线：构建文档解析→Chunking→Embedding→向量检索→重排序→引用溯源的完整RAG链路，支撑L4业务规则与知识层的知识检索能力
设计Agent状态机与决策引擎：支持ReAct、Plan-and-Execute、Multi-Agent Debate等多种推理模式，确保Agent在复杂业务场景下的推理准确性和可解释性
构建工具注册与调用中心：支持动态工具发现、权限控制、调用链追踪，打通Agent与BPMN引擎（Java）、底座服务（Go）的标准化接口
Agent与BPMN引擎的协同集成：设计Agent调用BPMN REST API的标准范式，实现建站阶段流程模板生成与挂载Skill、运行阶段节点回调执行Skill的完整闭环
Agent与Go底座服务的协作：封装L1文件解析、L2输出渲染、L4规则查询的标准化调用接口，确保Agent能透明调用底层高性能服务
任职要求
5年以上Python开发经验：精通asyncio、多线程/多进程、GIL优化，有高并发服务开发经验
深入理解LLM原理与应用：熟悉LangChain/LangGraph、AutoGen、DeepAgents或自研Agent框架，有从0到1搭建Agent系统的经验
熟练掌握向量数据库：有Milvus/Pinecone/Weaviate/Qdrant等向量数据库的实际使用经验，熟悉Embedding模型选型与优化
熟悉Python异步生态：熟练使用Pydantic、FastAPI、Celery、Redis Streams等组件，有微服务架构经验
具备Agent系统实战经验：至少主导过一个生产级Agent项目的架构设计与落地，熟悉Agent系统的评估方法与迭代优化
加分项
有强化学习（RLHF/PPO/DPO）或自主Agent（AutoGPT类）开发经验
熟悉MCP（Model Context Protocol）协议，能设计Agent与底层服务的标准化接口规范
有垂直领域Agent落地经验（法律、知产、合规方向优先）
开源项目贡献者（LangChain、LlamaIndex、DeepAgents等）