推荐算法工程师

岗位职责：
- 负责基于大模型、多模态模型的 AI 应用研发与落地，包括智能问答、企业知识库、内容生成、文档解析、题库理解、用户画像、个性化推荐及学习路径规划等场景。
- 负责 Prompt Engineering、Context Engineering、RAG、Function Calling、Tool Calling、MCP、Agent Workflow、多 Agent 协作等核心能力建设。
- 负责构建和持续演进 Agent 执行框架，围绕任务规划、工具调用、上下文管理、分层记忆、执行控制、异常恢复、人工反馈、结果评测和链路监控，提升 Agent 的可控性、稳定性与任务完成率。
- 负责 Harness Engineering 体系建设，构建让模型自主迭代、优化代码链路的执行框架，包括代码生成、执行验证、结果评测、失败归因、策略调整与版本回滚，形成可闭环的 self-evolving 优化机制。
- 负责设计 Agent 分层记忆架构，包括短期上下文记忆、长期用户记忆、知识库记忆、任务状态记忆、执行轨迹记忆和反馈记忆，并解决记忆提取、更新、召回、冲突与失效问题。
- 负责企业级推荐系统的设计、开发和持续调优，覆盖召回、粗排、精排、重排及策略融合等环节，支持内容推荐、题目推荐、课程推荐、学习路径推荐等业务场景。
- 负责用户画像、内容画像和特征体系建设，整合用户属性、行为序列、兴趣偏好、能力水平及实时上下文等信息，为推荐算法和 Agent 个性化决策提供支持。
- 针对数据稀疏、冷启动、长尾分布、反馈偏差和兴趣漂移等问题，设计相应的推荐策略，并结合离线评测、在线实验、Badcase 分析和业务指标持续优化推荐效果。
- 负责 AI 产品的服务端工程化建设，包括模型接入、模型网关、推理服务封装、API 开发、异步任务调度、权限控制、调用日志、Token 统计、成本控制和可观测性建设。
- 熟练使用 Cursor、Claude Code、GitHub Copilot、Trae、通义灵码等 AI Coding 工具，完成需求分析、方案设计、代码生成、调试、重构、测试和文档编写。
- 与产品、设计、算法、教研和运营团队协作，围绕业务目标快速完成 AI 与推荐功能的验证、评测、迭代和上线。

任职要求：
- 本科及以上学历，计算机、软件工程、人工智能、数据科学、数学等相关专业优先。
- 熟悉 Python，具备良好的后端开发、数据处理、系统设计和 API 设计能力。
- 具有实际 AI 应用开发经验，熟悉 OpenAI、Claude、DeepSeek、通义、豆包、Qwen、GLM 等一种或多种模型 API。
- 理解 RAG、向量检索、Embedding、Prompt Engineering、Context Engineering、Function Calling、Tool Calling、MCP 和 Agent Workflow 等技术方案。
- 理解 Agent 系统的完整闭环，包括模型、工具、记忆、任务规划、执行控制、结果评测、人工反馈和持续迭代。
- 具备 Harness Engineering 思维，理解并实践让模型自主迭代优化代码链路的工程方法，能够围绕代码执行、评测反馈和失败案例构建 self-evolving 优化闭环。
- 熟悉推荐系统基本架构与算法，理解协同过滤、内容推荐、Embedding 召回、向量检索、Learning to Rank、序列推荐及多路召回等常见方案。
- 具备推荐算法调优能力，能够围绕召回率、排序效果、多样性、新颖性、覆盖率和业务转化等指标开展分析与优化。
- 具备用户画像建设经验，能够设计用户标签、行为特征、兴趣特征、能力特征和实时特征，并将其应用于推荐、搜索或 Agent 个性化场景。
- 具备企业级系统工程意识，能够处理高并发、服务稳定性、数据一致性、权限隔离、灰度发布、监控告警、成本控制和数据安全等问题。
- 熟练使用至少一种 AI Coding 工具，能够在真实项目中使用 AI 辅助完成开发，并对生成代码进行验证、测试和质量控制。
- 具备产品意识和业务理解能力，能够围绕实际业务指标设计 AI 与推荐能力，而非仅完成技术实现。