你将做什么
我们正在构建下一代 AI Agent，而 Agent 能否真正「好用」，很大程度上取决于它能否在正确的时机找到正确的信息。你将深度参与 Agent 的知识检索与搜索能力建设，核心工作包括：
Agentic Search Architecture
- 设计和优化 Agent 的知识检索链路，涵盖Skill、领域知识库（RAG、向量检索、结构化知识图谱等）与外部实时检索（Web Search、API 聚合等）。
- 针对不同任务类型和上下文，构建自适应的检索策略，提升召回率与准确率。
- 探索 Hybrid Search、Re-ranking、Query Rewriting 等前沿技术在 Agent 场景下的落地路径。
Rank Strategy Optimize
- 结合 Agent 的任务意图与对话上下文，设计多阶段排序框架（粗排 → 精排 → 上下文融合）。
- 建立评估体系，通过离线实验与在线 A/B 持续迭代排序模型与策略。
- 研究 LLM-based Reranker、Cross-Encoder、Listwise Ranking 等方向，将其工程化落地。
Context Synthesis
- 对检索结果进行后处理与内容精炼，包括去噪、摘要提取、信息融合等，降低 Agent 的幻觉风险。
- 与 Agent 框架团队协作，打通检索结果到 Prompt 构建的完整链路，提升端到端回答质量。
- 建立内容质量度量指标，持续监控并驱动优化闭环。
我们更看重这些特质
Mindset：习惯独立思考和重新定义问题，而不是照着既有答案走。
Curiosity：对 AI 和新事物保持强烈好奇，总想第一时间上手试一试。
Agency：想到就做，用 demo 和作品说话，而不是停留在想法里。
AI Native：把 AI 当作默认工作方式，学习、创作和生活都离不开它。
Optimism：相信技术能改变世界，也愿意为长期的事情投入时间。
背景要求
写在前面：如果你完全符合上面的特质，其实下面这些都只是加分项。
加分项（Nice to have）
- 在信息检索、NLP、推荐系统或 RAG 相关领域有论文或研究经历
- 有 LLM + Search / Agent + Retrieval 方向的实际项目或开源贡献
- 参加过 Hackathon、ACM/ICPC 等竞赛，并享受高强度实战挑战
- 有开源项目或真实项目的长期投入和贡献记录
基础背景
- 计算机 / 软件 / 通信 / 人工智能等相关专业
- 具备扎实的计算机基础，能独立解决工程或算法问题
- 熟悉主流向量数据库（如 Milvus、Weaviate、Qdrant）或搜索引擎（如 Elasticsearch）者优先
我们的大多数伙伴来自国内头部大厂，或具备扎实技术训练的高校背景（985/211、QS Top 或同等水平）。 但我们更看重真实能力与作品，而不是标签本身。