职位描述
方向一：Agent 算法 —— 基于 Agent 的商品理解
1. 负责基于 Agent 范式的商品理解体系建设，设计端到端的商品理解 Agent 系统，实现非标资产商品的结构化认知（属性抽取、知识结构化、质量评估等）；
2. 负责 Agent 核心能力建设，包括任务规划、工具调用、多步推理编排、记忆与上下文工程，持续提升理解结果的准确率与覆盖度；
3. 负责商品理解所需多模态信息解析能力建设（图文、文档、表格等），完成技术方案选型与工程化落地；
4. 建设商品理解效果的评测与监控体系，推动理解结果在搜索、推荐、导购等业务场景的应用闭环。
方向二：搜推用增算法 —— 生成式推荐与用户增长
1. 负责生成式推荐算法建设，探索大模型在召回、排序等推荐核心环节的落地，构建并迭代生成式推荐范式，提升个性化推荐效率；
2. 负责用户增长算法建设，优化 Push、外投等用户触达渠道的算法效果，通过用户分层、触达策略优化持续提升触达转化效率；
3. 负责搜推用增链路的模型训练与推理性能优化，建设稳定的离线训练、增量更新与在线服务链路；
4. 通过 AB 实验设计与效果归因，持续驱动核心业务指标提升。
职位要求
1. 本科及以上学历（硕士优先），计算机、人工智能、数学统计等相关专业，2年以上算法相关工作经验；
2. 扎实的机器学习 / 深度学习功底，熟练掌握至少一个主流深度学习框架，有完整的从离线到线上算法闭环落地经验；
3. 在以下至少一个方向有实战经验：
- LLM Agent：熟悉 Agent 架构设计（规划、工具调用、多步编排），有大模型应用落地经验；
- 生成式推荐：熟悉生成式召回 / 生成式排序范式，有大模型在推荐场景的应用经验；
- 用户增长：熟悉触达类场景（Push / 外投 / 消息）的算法优化，有用户分层与策略迭代经验；
4. 熟悉大规模数据离线训练与在线推理部署流程，有 AB 实验设计与效果归因经验；
5. 良好的编码能力（Python，Java），能独立完成算法方案的工程化落地；
6. 自驱力强，善于主动定义问题、拆解方案，有良好的跨团队协作能力。
