履约技术-AI Agent算法工程师（运营Agent方向）

Job description

• 负责运营 Agent 的设计、开发与落地，围绕骑手运营、供需诊断、骑手激励及骑手全生命周期管理等场景，构建具备任务规划、工具调用、记忆管理和自主执行能力的 Agent 系统。
• 负责将供需预估、因果推断、机器学习、运筹优化、强化学习等算法能力封装为 Agent 可调用的工具和技能，支持 Agent 自主完成业务分析、策略生成、效果评估与迭代优化。
• 负责运营 Agent 工作流及评测体系建设，持续优化上下文管理、RAG、Planning、Tool Use、Memory、Reflection post-training等能力，构建基于执行反馈、经验沉淀和策略迭代的 Agent 自进化 Loop，通过RSI持续提升Agent表现，提升系统的准确性、稳定性和业务效果。
• 计算机、人工智能、运筹学、数学、统计学等相关专业，具备扎实的算法基础、代码能力和系统开发能力。
• 熟悉大语言模型及 Agent 基本机制，理解 Agent Loop、Workflow、Planning、Tool Use、RAG、Memory、Skills、MCP 等技术，具备独立构建和落地 Agent 系统的实践经验。
• 在机器学习或数据挖掘方向有深入理解，在广告推荐、营销补贴、活动激励、智能定价、供需预测、因果推断、运筹优化或强化学习等至少一个方向有实际项目经验。
• 具备优秀的业务理解、目标拆解和跨团队协作能力，能够将复杂业务问题转化为可落地的 Agent 方案，并推动取得可量化的业务收益。
• 业务核心、场景丰富。每日超过6000万单的履约业务，覆盖全国数百个城市和百万级骑手，涉及全年百亿级规模的定价与运营活动，为运营 Agent 提供业界罕见的大规模真实落地环境。
• 探索下一代运营范式。通过 Agent 将业务知识、运营流程与因果推断、运筹优化、强化学习等决策算法有机连接，推动运营体系从“人工分析和配置策略”升级为“Agent 自主诊断、规划、决策与执行”。
• 团队汇聚因果推断、运筹优化、机器学习和大模型 Agent 等不同背景的技术人才，具备丰富的业务实战经验。团队近年来已有部分成果发表于 NeurIPS、ICML、KDD 等学术会议，并鼓励具有业务价值和技术创新性的成果沉淀与发表。