# Miclaw-AI Agent编排专家 (Orchestration & Planning)

外部公开机会：不能在 Agent觅聘 内申请，请前往官方渠道投递。

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

- 公司: 小米 (阶段未知)
- 地点: 北京
- 职能: 工程开发
- 前往官方投递: https://xiaomi.jobs.f.mioffice.cn/index/position/7482983267391996012/detail

## 来源岗位原文

1. 架构设计：设计 MiClaw 在移动端的自主 Agent 编排框架，实现复杂任务的自动化拆解与执行（Planning & Reasoning）。
2. 编排优化：研发基于 ReAct、Plan-and-Execute 或 Multi-Agent 的协同模式，确保 Agent 在手机端不陷入逻辑死循环（Loop Detection）。
3. 工具调用 (Tool-use)：定义端侧工具调用规范，利用 MCP/A2A/appfunctions 等协议打通手机系统能力（日历、相册、快捷指令等）。
4. 请求路由：设计端云协同的动态路由机制，根据任务意图决定在本地推理还是请求云端模型。
任职要求
1. 5 年以上 AI 或软件架构经验，有 LangGraph、AutoGPT、CrewAI 等框架深度使用或自研经验者优先。
2. 精通 Prompt Engineering，能够设计高压缩比、高指令遵循度的 System Prompts。
3. 熟悉端侧小模型（如 Llama-3-8B, Phi-3-mini）的微调（SFT）和工具调用对齐经验。

加分项：
有成功解决 Agent 任务执行中“幻觉”控制及“逻辑回滚”机制的实战案例。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Full-time", "i18n_name": "全职", "id": "101", "name": "全职", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Experienced", "i18n_name": "社招", "id": "1", "name": "社招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 1, "project_type": 1, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Full-time", "i18n_name": "全职", "id": "101", "name": "全职", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Experienced", "i18n_name": "社招", "id": "1", "name": "社招", "selectability": 1}, "selectability": 1}}

---
opening_id: 33636de7-d118-46c7-875d-c07e397642c2

`anm openings save --id 33636de7-d118-46c7-875d-c07e397642c2`