招商金科数据智能体开发工程师(J31152)

1、智能体（Agent）架构设计与开发：基于主流框架（如 LangChain, AutoGen, CrewAI 或 Semantic Kernel）设计并开发高可用的数据分析智能体。负责智能体的 Prompt 工程优化、记忆机制（Memory）设计、复杂任务规划（Planning）以及外部工具（Tools/Plugins）的动态调度与封装。 2、业务逻辑翻译与模型封装：深入理解数据分析师的业务分析思路，将复杂的业务指标（如同比/环比、多维归因、漏斗分析等）及分析模型，精准翻译为智能体可执行的编排代码与控制流程。实现从“数据提取 > 自动化加工 > 智能文本解读 > 动态图表产出”的全链路闭环。 3、后端工程与服务化落地：负责 Agent 系统的后端服务编写，确保代码结构清晰、高可维护，具备完善的日志追踪（Tracing）、异常处理与监控机制。负责 Agent 服务的 API 化（如 FastAPI）及容器化部署（Docker），确保线上服务的稳定运行。 4、Agent 效果调优与运维：针对生产环境中的大模型幻觉、工具误用、上下文丢失、长文本Token失效等典型问题，进行定位、调优与修复。熟练运用主流 AI 辅助编程工具（如 Claude Code, GitHub Copilot 等）提升开发效率，探索前沿 Agent 技术在数据领域的落地。

1、基本背景：计算机、数据科学、软件工程等相关专业本科及以上学历，3年以上后端开发经验，并具有1年以上 AI Agent 或 LLM 应用实际项目落地经验。 2、编程语言：熟练掌握 Python（优先）/ TypeScript / Go / Java 其中一种或多种，具备良好的编码规范与工程化思维，重视单元测试与代码可读性。 3、Agent 技能（核心）：深入理解 LLM 运作机制，熟悉 ReAct、Reflection 等常见 Agent 思考模式。至少熟练使用一种主流 Agent 框架（如 LangChain / AutoGen 等）。具备精细化 Prompt 工程能力，有独立设计和封装 Tool/Plugin 的经验。 4、数据工程基础：熟练编写 SQL，能够对接主流数据仓库或数据库进行数据提取。具备基础的统计学常识，理解常见的数据分析方法论（如归因分析、趋势预测等）。 5、工程交付能力：熟练掌握基于 Linux 环境的开发，熟练使用 Git、Docker 进行部署。熟悉 Web 服务框架（如 FastAPI, Flask 等），具备微服务接口设计能力。 6、加分项：有 Text-to-SQL 调优、RAG（检索增强生成）在企业知识库/元数据管理落地经验者优先。拥有优秀的跨团队沟通能力，能够准确捕捉数据分析师与业务人员的真实意图。