职位描述
我们是淘宝会员技术-平台&省钱卡技术团队，长期深耕淘天账号和用户信息管理中台，并同时负责淘天集团省钱卡、大会员等业务。团队目前正致力于通过AI Agent技术解决业务和技术的痛点和难点问题，包括但不限于：
1. 省钱卡业务 Agent：目标驱动的自主业务分析 Agent，能够发现和洞察业务问题、探索优化策略、自主进行线上试验并形成持续迭代的循环，提升业务增长。
2. 省钱卡端到端 AI 研发 Agent：面向省钱卡业务代码的 Agentic Coding 系统，覆盖“需求理解 规划 编码 测试 提交”全链路，让 AI 成为真正的研发参与者。
3. 平台级 CR Agent：面向代码评审 / 变更风险的 Agent，通过知识工程（变量生命周期树、中间件知识、定向 Skill）+ Multi-Agent 编排 + 定制 MCP 工具，提升代码评审中BUG的发现率。
你加入后，将根据兴趣和团队需要，参与到以下一个或多个 Agent 系统的建设中。
1 业务/分析型 Agent 建设，负责省钱卡探索 Agent的架构设计与工程实现，实现 ReAct / Plan-and-Execute / Multi-Agent 协作、Tool/Function Calling、记忆系统（短期/长期）、RAG 检索增强等Agent 核心模块，打通数据链路，构建业务洞察和分析SKILL，并建设 Agent 可观测性、评测与实验基建，实现“自主假设生成 数据验证 问题树演化 可执行洞察输出”的完整分析飞轮。
2 端到端 AI 研发 Agent 建设，设计并落地面向省钱卡业务的 Agentic Coding Harness工程体系（工具调用、验证闭环（测试/构建/类型检查）、沙箱安全、Human-in-the-loop等），实践Spec-Driven 流程，构建AI Friendly的业务&技术知识库建设等。
3 CR Agent 设计与实现，包括构建面向代码评审的知识工程（变量生命周期树、中间件知识等），开发领域SKILL和MCP 工具（AST/Tree-sitter/xmlParse/jq 等），实践SFT与Agentic RL等后训练，并建立 CR Agent 的评测体系，持续优化Agent效果与成本。
4 前沿跟踪与研究，持续跟踪和研究 Agent 架构、Loop Engineering、Agent自进化、Agentic RL（GRPO/DPO/PPO）、后训练数据构建、后训练技术、RAG 优化等方向，并转化为工程实践。
职位要求
1 本科及以上学历，计算机基础扎实，精通 Java 或 Python 至少一门语言；
2 熟练掌握 CoT、ReAct、Plan-and-Execute、Multi-Agent等Agent模式，掌握MCP、SKILL、RAG、Prompt Engineering、Context Engineering、Harness Engineering 等Agent 核心技术，熟悉 LangChain / LangGraph / LlamaIndex / vLLM / AutoGen 等 一门或者多门Agent 工程框架，并有实际项目落地经验。
3 有 Agentic Coding / Vibe Coding 实践经验，熟悉 Claude Code / Cursor / Codex / OpenDev 等工具链，理解Spec-Driven、Writer/Reviewer 等模式。
4 具备 Agent 系统稳定性设计能力：超时/重试/降级/熔断、错误反馈与幻觉控制、危险操作 Human-in-the-loop、沙箱隔离、审计日志。
5 学习热情，对 Agent、大模型、AI 工程有强烈兴趣，能快速跟进前沿论文与开源生态。
加分项：
1 深入理解 Transformer、Attention、LLM 训练流程（Pre-training / SFT / Alignment）
2 对电商、用户增长、会员/权益、优惠券策略等业务有敏感度，能把业务目标拆解为技术方案。
