背景： 随着高阶自动驾驶（L3/L4）与智能座舱的深度融合，车端感知结合云端大语言/多模态模型（LLM/VLM）的端云协同架构成为突破场景上限的核心趋势。为实现复杂场景的长尾理解以及基于多源输入（如行车环境、DMS疲劳监测）的深度闭环服务，一套灵活、高可用的云端大模型与 Agent 调度底座在当前敏捷开发与前沿Demo验证中显得尤为重要。 核心内容： 1. 云基座独立部署： 独立负责云端大模型运行环境的搭建、配置与日常维护（熟悉 AWS 等主流云平台的基础设施配置，熟练使用 Docker 等容器化部署技术）。 2. 大语言/多模态模型部署与优化： 负责前沿开源大模型（如 Qwen, DeepSeek, Llama 等系列 LLM 及 VLM）在云服务上的私有化部署、API封装与推理加速优化（了解 vLLM、KV Cache 管理及量化技术） 3. Agent 框架搭建与集成： 协助搭建并维护基于云端的 Agent 架构（如 OpenClaw 框架），实现任务逻辑拆解、多 Agent 协同（如行车、疲劳、调度 Agent）以及 RAG 长短记忆库的接入。 4. 车云链路与生态联调： 开发云端与车端的交互接口，打通车云双向通信链路；实现云端 Agent 对外部生态服务（如外卖预订、地图API）的 Function Calling 接口对接，支撑 L3 级实车/台架端到端 Demo 的全链路跑通。