智能引擎 AI Builder（算法方向）

Job description

Agent系统设计与落地

• 设计并实现面向补贴决策的Multi-Agent系统（意图理解→数据分析→策略生成→效果评估），定义Agent角色、工具集、记忆结构与协作协议

业务知识建模

• 将操盘手的经验判断翻译为Agent可执行的规则、特征和约束条件，弥合业务直觉与算法逻辑的鸿沟

人机协作设计

• 明确哪些环节由Agent自主决策、哪些需要人类审批，设计合理的自动化边界与熔断机制

经验资产化

• 将实验过程中的有效pattern、失败教训、业务规律沉淀为Agent可复用的知识资产

持续迭代

• 建立Agent行为评估体系，通过量化指标驱动系统持续进化 1、2年及以上算法/AI工程经验，有完整的模型从0到1落地经历 2、有Multi-Agent或LLM应用系统的生产环境实战经验 3、能把模糊的业务需求翻译成技术方案——先问"

问题是什么"再想"怎么解" 4、对"哪些事该AI做、哪些事该人做"有清晰认知 5、日常工作已深度嵌入AI（L2+），拿掉AI你会觉得"不正常" 加分项

• 有运筹优化/决策系统/推荐系统等"策略类"系统经验
• 有Agent记忆系统、工具调用链路、行为评估相关设计经验
• 有将非结构化知识结构化沉淀的实践
• 能独立跑通"发现问题→设计实验→验证→归档"的完整loop
• 做的是L2→L3，不是给流程贴AI补丁 Multi-Agent协作替代人工决策，目标是"停了AI业务就中断"的系统自治级——真正改变生产关系，不是改善生产工具。
• 定位在Agent层——连接"人的判断"与"系统的执行" 运筹是发动机，你是驾驶员。核心工作是把模糊的业务直觉翻译成系统可执行的逻辑，设计人机协作的渐进边界。稀缺的"业务×算法×系统"交叉位。
• 离经营结果近，反馈loop短 Agent决策直接作用于真实业务，做出来就是可量化的经营价值。进度快、权限大，不是先建设再看效果的长周期项目。