一、智能体架构设计与核心模块开发
负责基于大语言模型（LLM）设计并开发具备自主规划、多步推理与工具调用能力的AI智能体系统，覆盖意图识别、任务拆解、对话编排、上下文记忆、状态管理等核心模块。基于 LangChain、LangGraph、AutoGen、LlamaIndex 等主流框架，构建可稳定执行复杂工作流的Agent架构，保障智能体在真实业务场景中的任务完成率与鲁棒性。

二、RAG系统与知识库构建
设计并持续优化检索增强生成（RAG）链路，涵盖文档解析、文本切片、向量化、语义召回、重排与答案生成等关键环节，解决知识库问答中的精准度不足、上下文断裂与模型幻觉问题。负责向量数据库（FAISS、Milvus、Pinecone 等）的选型、调优与维护，结合混合检索与重排策略提升知识召回质量。

三、工具调用与插件生态建设
设计并实现智能体的工具调用体系，将业务API、搜索服务、数据库查询、代码解释器及第三方插件封装为Agent可稳定调用的工具，打通模型能力与企业内部系统之间的“最后一公里”。建立可复用的工具编排与调用规范，保障工具调用的准确性、异常处理与安全边界。

四、Prompt工程与智能体能力调优
负责Prompt模板的设计、版本管理与持续迭代，运用 CoT（思维链）、ReAct、Few-shot 等技术提升智能体在垂直任务中的推理与执行质量。结合业务反馈与评测数据，持续调优智能体的交互逻辑、上下文窗口利用效率与多轮对话稳定性，并参与必要的模型微调（SFT/RLHF）与推理优化工作。

五、多智能体协作与任务编排
设计和实现多Agent协同机制，包括Agent间的路由分发、职责划分、协作流程与状态管理，构建可处理复杂业务场景的智能体网络。参与智能体编排层的架构决策，确保多Agent系统在可观测性、可控性与容错能力上满足生产级要求。