AI Native 后端工程师（企业级 AI Agent 开发平台）

分享
  • 工作地点：广东省-深圳
  • 工作经验：5-10年
  • 职能类别：研发
  • 组织：Xcelerator
  • 办公模式：仅现场办公
一、岗位名称
AI Native 后端工程师（企业级 AI Agent 开发平台）

二、岗位职责
1. AI Agent 核心后端能力开发
  • 参与 XAgent 企业级 AI Agent 开发平台的核心后端研发，将 AI Native 架构设计转化为可运行、可测试、可部署的工程能力。
  • 开发 Agent Runtime 相关模块，包括任务执行、状态管理、执行步骤编排、异步任务处理、暂停恢复、超时控制及异常处理。
  • 开发统一模型接入与调用服务，支持多模型适配、模型路由、调用参数管理、限流、重试、Fallback 及调用记录。
  • 开发 Agent 执行上下文、会话状态、记忆存储和知识检索等相关后端能力。
  • 参与 Workflow、单 Agent 及多 Agent 协作功能开发，确保执行过程可追踪、异常可定位、结果可验证。
  • 基于底层模型与 Agent 引擎能力，设计并落地上层 AI 应用，面向企业业务场景完成应用封装、业务逻辑编排与场景化能力交付。
2. Skill / Tool 执行与生态接入
  • 开发 Skill/Tool 注册、发现、配置、调用、版本管理及执行结果处理等核心模块。
  • 支持 MCP 等工具接入方式，实现第三方 API、企业业务系统及工业软件能力的标准化封装与调用。
  • 负责工具调用参数校验、权限校验、超时处理、异常恢复及执行结果结构化。
  • 配合设计工具执行隔离、凭证管理、访问控制和审计机制，保障 Agent 执行过程的安全性。
  • 支持生态伙伴开发的 Agent、Skill 和工具接入平台，解决接口兼容、执行稳定性及版本升级问题。
3. AI 工程化与质量保障
  • 建立并完善模型调用、Agent 执行和工具调用的日志、Tracing、指标采集及异常告警能力。
  • 参与构建 Agent 评测与回归测试机制，验证任务完成情况、工具调用准确率、输出质量及异常处理能力。
  • 针对生产环境中的幻觉、工具调用失败、上下文过长、模型超时等问题进行分析和优化。
  • 优化 Prompt、上下文组装、缓存、并发调用和异步处理策略，降低推理成本与响应延迟。
  • 编写单元测试、集成测试及自动化测试用例，确保核心模块的可靠性和可维护性。
4. 企业级平台集成与工程交付
  • 与传统云平台 Backend 团队协作，集成统一身份认证、租户管理、权限体系、数据库、消息队列和计费服务。
  • 配合实现 Token 使用量及 Agent 执行任务的计量数据采集，为平台商业计费、成本分析和运营管理提供技术支持。
  • 参与 Docker、Kubernetes 等环境下的服务部署、性能测试、问题排查及生产环境运维。
  • 遵循团队统一的代码规范、分支管理、Code Review、CI/CD 和发布流程，持续提升代码质量。
  • 接收业务需求，基于平台架构设计，结合实际业务场景，输出可交付的软件功能 ，将平台架构设计和实际业务场景转化为可交付的软件功能。

三、任职要求

必备条件
  • 计算机科学、软件工程、人工智能或相关专业本科及以上学历。
  • 具备运用 AI 底层能力构建上层业务应用的实践经验，能够基于 Agent/Workflow 能力完成场景化应用设计与落地
  • 具备 3 年及以上后端开发经验，有实际 LLM 应用或 AI Agent 开发经验者优先。
  • 精通 Python 或 Go 中至少一种后端开发语言，具备良好的代码设计、数据结构、算法和问题排查能力。
  • 熟悉 REST API、异步编程、数据库设计、缓存、消息队列及常见后端服务架构。
  • 理解 LLM 基本工作机制，具备模型 API 集成、Prompt、RAG、Tool Calling 或 Agent Workflow 的实际开发经验。
  • 具备一定的分布式系统和并发编程基础，能够处理超时、重试、幂等性、任务状态和异常恢复等问题。
  • 熟悉 Git、Linux、Docker 及常见研发协作流程，具备单元测试、集成测试和代码审查意识。
  • 具备良好的工程质量意识、团队协作能力和主动解决问题的能力。
  • 工作地点：深圳，能够满足团队协作要求。
加分项
  • 有 LangGraph、LangChain或其他 Agent Framework 的实际开发经验。
  • 熟悉 MCP Server / Client、工具注册发现、Function Calling 或多 Agent 协作。
  • 有 Agent Runtime、长任务执行、状态持久化、Checkpoint、任务恢复或工作流引擎开发经验。
  • 熟悉向量数据库、Embedding、Rerank、知识库检索和上下文工程。
  • 有 LLM Gateway、模型路由、Token 计量、推理服务或 AI 成本优化经验。
  • 熟悉 Kubernetes、Prometheus、La等云原生部署和可观测性技术。
  • 有企业级 SaaS、多租户平台、开发者平台或工业软件集成经验。
核心能力要求
  • 扎实的后端工程能力：能够独立承担核心模块的设计、开发、测试和问题排查。
  • AI 工程实践能力：能够将模型能力封装为稳定、可复用的服务，而非停留在 Demo 阶段。
  • AI 上层应用构建能力：可以基于平台 Agent 引擎能力，面向真实业务场景做应用建模、业务流程编排与场景化方案落地，打通平台能力到业务价值。
  • 可靠性设计能力：理解 AI 执行与传统业务服务在状态管理、错误恢复和结果验证方面的差异。
  • 性能与成本意识：能够从调用链、Token 消耗、上下文长度、并发和资源使用等方面进行优化。
  • 团队协作能力：能够与架构师、及云平台研发人员高效协作，按质量和进度要求完成交付。