Work Responsibilities AI Agent 开发与集成 参与设计并开发基于 LLM（大语言模型）和 Agent 架构的 AI 智能体，用于自动化控制器软件研发流程（如代码生成、文档生成、缺陷检测等）。 结合 V 模型（V-Model）的开发流程，优化 AI 在需求分析、设计验证、测试阶段的应用，提升研发效率。 RAG 与知识库构建 利用 RAG（Retrieval-Augmented Generation） 技术，构建面向控制器软件研发的知识库，支持智能问答、文档检索与生成。 集成领域特定数据（如 MCP 协议、车载控制器设计规范）到 RAG 系统中，提升 AI 的上下文理解能力。 MCP 协议与系统对接 研究并实现 AI 智能体与 MCP 协议的工具的对接。 Agent 架构设计与协作 参与多 Agent 系统的设计，实现 AI 智能体之间的协同工作（如需求分析 Agent、代码生成 Agent、测试 Agent）。 设计 Agent 交互逻辑，支持自动化流程（如从需求文档生成测试用例并执行验证）。 工具链开发与集成 开发或集成 Python 脚本、API 或 CLI 工具，将 AI 功能嵌入到现有的控制器软件研发工具链中（如 GitLab、JIRA、CI/CD 流水线）。 Required Skills & Qualifications 编程与开发能力 熟练掌握 Python，具备良好的编码习惯和调试能力。 熟悉 LLM 应用开发（如 LangChain、LlamaIndex 等框架）。 了解 RAG 技术，能够实现基于向量数据库的知识检索。 AI 与 Agent 技术基础 理解 Agent 架构，有实际开发经验者优先。 对 V 模型（V-Model）开发流程有基本认知。 熟悉 MCP 协议，能够将一个工具进行MCP封装。 熟悉 Dify 等低代码开发平台者优先。 技术研究与创新 具备快速学习新技术的能力，能够独立完成技术调研与原型开发。 有 AI 模型优化经验（如 Prompt Engineering、模型微调）者优先。 协作与沟通能力 能够与跨职能团队（研发、测试、产品）协作，推动 AI 功能落地。 具备良好的中文与英文读写能力，能撰写技术文档与报告。 加分项 有车载控制器软件开发或嵌入式系统相关项目经验。 对自动化测试、代码质量分析工具有实践经验。