高级后端开发工程师（AI Agent 方向）

1. 负责公信力业务系统建设与演进。围绕评价公信力、内容安全和风险治理，与产品、策略、算法及运营团队协作，将审核、申诉、风险识别等业务需求转化为技术方案，持续改善治理效果与用户体验。

2. 推动 AI 能力在业务场景中落地。基于大模型、知识检索、工具调用和工作流编排，建设审核辅助、证据分析、规则解释等智能应用，与现有业务系统深度集成，提升业务处理质量和效率。

3. 建设和维护支撑业务交付的 Agent 与知识体系。基于现有 AI 与研发平台，开发负责领域的研发、测试和运维 Agent，将业务规则、系统架构、接口契约、研发规范及历史问题沉淀为可复用的知识、Skill 和工具，并随业务与代码变化持续更新。

4. 推动 Agent 协同承担日常维护和功能迭代。打通需求分析、方案设计、编码、测试及问题定位修复等环节，让 Agent 能够获取上下文、自主推进任务、验证和修正结果；负责关键技术决策、交付验收及复杂问题处理。

5. 建立业务效果与 Agent 交付能力的持续改进机制。结合真实业务案例、线上数据及 Agent 执行记录，建设评测与反馈机制，分析失败和人工接管原因，持续优化业务效果、交付周期、运行成本及自动化覆盖范围。

6. 保障业务系统与 Agent 执行的稳定可靠。完善监控告警、权限控制、操作审计、质量检查、异常恢复和人工接管机制，对负责范围内的交付质量与线上稳定性负责。

1. 具备扎实的后端工程基础，熟悉 Java 及主流开发框架，理解数据库、缓存、消息队列和分布式系统，能够完成模块设计、代码审查及线上问题排查。

2. 具备 Agent 或自动化工作流开发实践，理解任务拆解、上下文组织、工具调用、状态管理和反馈循环，能够将多步骤任务组织成可重复执行的流程。

3. 能够梳理业务与系统知识，将隐含规则、操作经验和验收条件转化为 Agent 可使用的知识、指令、工具接口与测试用例。

4. 具备验证和改进 AI 产出的能力，能够通过测试、执行记录及失败案例定位问题，判断问题来自需求、知识、模型、工具还是业务代码，并推动解决。

5. 有主动改进工作方式的意识，能够识别高频、重复和可标准化的研发维护任务，持续将其转化为 Agent 可以承担的工作。

6. 能清楚说明实际项目中的个人贡献、Agent 承担的任务、人工介入环节、效果验证及改进过程，具备良好的业务理解与跨角色协作能力。

1. 参与公信力研发工作方式的转变，亲手建设能够持续承担业务开发与维护任务的 Agent 体系。

2. 在真实业务中实践领域知识工程、Agent 协同、自动化测试与智能运维，完整参与从能力建设到持续运行的过程。

3. 通过提升 Agent 的任务覆盖和交付能力，将个人工程经验沉淀为团队可持续复用的能力。