【27届秋招】场景开发工程师

1、负责 AI Agent 与无人机巡检场景的需求拆解、技术方案设计与工程化实现，结合城市巡检、电力杆塔、油气管道、光伏电站、公路基建等具体业务场景，落地 AI Agent 的自主任务规划、动态航线调整、缺陷识别联动等核心功能，推动巡检模式从 “人工操作” 向 “人机对话、全域自主” 升级。

2、主导 AI Agent 核心模块开发，包括意图识别、记忆管理、工具调用（无人机飞控、图像采集、缺陷检测模型）、多 Agent 协同等，集成 LangChain/LangGraph、AutoGen 等主流 Agent 框架，优化 Prompt Engineering 策略，提升 AI Agent 的决策准确性与响应效率，适配低空飞行复杂场景需求。

3、持续跟踪 AI Agent、无人机巡检、边缘计算等前沿技术，研究多模态融合、端侧 AI 等先进技术在巡检场景的应用，推动产品技术升级与创新，优化系统性能、稳定性与可维护性，降低运维成本。

1、本科及以上学历，计算机、自动化、人工智能、电子信息工程等相关专业，有 AI Agent + 无人机巡检场景开发经验者优先。

2、编程基础：熟练掌握 Python/Go/Java 等至少一门主流编程语言，具备扎实的代码功底、数据结构与算法基础，熟悉 Linux 开发环境，能使用 AI 编程工具（Cursor、Claude Code 等）提升开发效率，具备代码审查与重构能力。

3、AI Agent 相关：深入理解 AI Agent 核心原理，熟悉 ReAct/PlanAct/CodeAct 等 Agent 架构，掌握 Prompt Engineering（Few-shot、CoT 等）、RAG（检索增强生成）、Function Calling 等核心技术，有至少一种 Agent 框架（LangChain/LangGraph、AutoGen、Dify 等）的实际开发与落地经验，了解多 Agent 协同机制优先。

4、AI 模型工程化：熟悉深度学习框架（PyTorch/TensorFlow），具备 AI 模型（目标检测、语义分割）的训练、优化与轻量化部署经验，了解模型量化、推理加速技术，能解决巡检场景中模型部署的实时性问题，有 YOLO 系列模型应用经验者加分，参与过模型评估、后训练者优先。