# 智能体后端工程师

External opening: you cannot apply through AI Native Match; apply on the official site.

Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications.

- Company: 面壁 (Startup)
- Locations: 北京
- Role: Engineering
- Apply on the official site: https://modelbest.jobs.feishu.cn/career/position/7682739223333783851/detail

## Role description from source

1. 智能体后端系统开发
- 负责基于大语言模型的智能体（Agent）应用后端架构设计、核心模块开发与持续优化，涵盖：
- 任务规划、任务拆解与执行调度；
- 工具调用、插件系统及外部系统集成；
- 多轮对话、上下文管理与长期记忆；
- 工作流编排、多 Agent 协作及 Human-in-the-Loop 机制；
- RAG 检索增强生成、知识库服务及数据处理流程；
- 模型路由、多模型调度、失败重试与降级策略。
2. 高性能后端服务建设
- 使用 Python 或 Go 构建高可用、高并发的 API 服务和微服务系统；
- 实现模型请求编排、流式输出、异步任务、任务队列及长耗时任务管理；
- 负责模型服务接入、调用链路管理、限流熔断、超时控制及异常处理；
- 负责服务接口、数据结构和系统模块设计，保障系统的稳定性、可扩展性与可维护性；
- 负责数据库设计与优化，包括 PostgreSQL/MySQL 的表结构、索引、事务及数据一致性；
- 使用 Redis、消息队列等中间件提升系统性能和可靠性；
- 负责向量检索、文档解析、Embedding、Rerank 等 RAG 相关后端能力建设。
3. 模型服务化与推理工程
- 协同算法团队完成大模型、Embedding、Rerank 等模型的服务化封装；
- 负责模型调用网关、推理服务编排及模型资源调度；
- 参与 vLLM、Ollama 等模型服务部署与性能优化；
- 针对吞吐、延迟、并发、显存使用及调用成本进行优化；
- 建立模型服务的监控、评测、日志追踪和故障排查机制。
4. 系统部署与现场交付
- 负责基于 Docker/Kubernetes 的后端服务容器化部署；
- 设计并维护 CI/CD 流水线，提升研发交付效率；
- 负责私有化环境适配、系统安装部署、配置管理和版本升级；
- 支持项目现场交付、生产上线、性能调优及问题排查；
- 建设服务监控、日志采集、链路追踪和告警体系，保障生产环境稳定运行。
5. 需求协同与技术沉淀
- 对接产品、业务及客户团队，完成需求分析、技术拆解和方案设计；
- 与前端、算法及交付团队协作，推动智能体能力产品化落地；
- 沉淀智能体后端架构、服务治理、模型接入及私有化部署的工程实践；
- 参与技术规范、代码质量、自动化测试和团队知识库建设。
职位要求
1. 教育背景与工作经验
- 本科及以上学历，计算机、软件工程、人工智能等相关专业；
- 3 年以上后端开发或分布式系统研发经验；
- 有大模型应用、智能体系统或 AI 产品后端落地经验者优先。
2. 后端开发能力
- 精通 Python，熟悉 Go 者优先；
- 熟练掌握 FastAPI、Flask、Django 等至少一种后端框架；
- 熟悉异步编程、并发处理、微服务架构和 RESTful API 设计；
- 熟悉 PostgreSQL/MySQL 数据库设计、SQL 优化、事务和数据一致性；
- 熟悉 Redis、消息队列、对象存储等常用基础设施；
- 具备良好的代码质量意识、测试意识和系统设计能力。
3. 智能体与大模型工程能力
- 熟悉 LLM 应用开发流程及常见 Agent 架构；
- 具备 Agent 工作流编排、工具调用、插件开发或多 Agent 协作实践经验；
- 熟悉 RAG 系统建设，了解文档解析、切片、Embedding、召回、Rerank 和上下文组装；
- 熟悉 Milvus、FAISS、Chroma、pgvector 等至少一种向量数据库或检索系统；
- 熟悉 Prompt 工程、流式输出、多模型调度及上下文管理；
- 了解模型服务化部署、推理加速和调用成本优化。
4. 工程部署与运维能力
- 熟悉 Docker、Kubernetes 及 Linux 环境下的服务部署；
- 具备 CI/CD 流水线搭建和维护经验；
- 熟悉 Nginx、服务监控、日志系统、链路追踪和常见故障排查；
- 具备高并发、低延迟、稳定性和可观测性方面的工程实践经验；
- 有私有化部署、离线环境适配或 To B 项目交付经验者优先。
5. 综合素质
- 具备良好的需求拆解、技术方案设计和问题定位能力；
- 能独立完成从需求分析、系统开发到部署上线的后端研发工作；
- 具备较强的 Owner 意识、执行力和跨团队协作能力；
- 对新技术保持敏感，能够快速学习并应用到实际项目中；
- 善用 Cursor、Copilot 等 AI 编程工具提升研发效率。

加分项
- 有防务、政企等行业项目研发或交付经验；
- 熟悉 vLLM、Ollama、TGI 等模型服务化框架；
- 有大规模 Agent 平台、多智能体协作系统或复杂工作流引擎落地经验；
- 有模型网关、推理服务集群、GPU 资源调度或服务治理经验；
- 熟悉 Prometheus、Grafana、ELK、OpenTelemetry 等监控与可观测性工具；
- 参与过开源大模型、Agent 框架或基础设施项目贡献；
- 有相关技术竞赛、开源项目或技术文章成果。

---
opening_id: 53a7d215-5433-4386-a3ff-af6d87fd1c2a

`anm openings save --id 53a7d215-5433-4386-a3ff-af6d87fd1c2a`