工作职责：

【岗位职责】
模型能力洞察与场景匹配：
深入研究并评测当前主流模型（如DeepSeek-V3, Qwen-Max, Claude-3.5/4, Llama-3.1等）在客服、导购、售后等场景的表现，精准匹配最适合业务需求的模型组合。
跟踪AI技术发展趋势，对未来的多模态交互、长记忆机制、情感计算等技术有独到见解，并能预判其在服务领域的落地机会。
基于AI模型的智能场景搭建：
核心要求：熟练运用类似 OpenCLAW（龙虾）框架，独立设计并搭建自动化的服务智能体（Agent）。
利用 智能体 的强执行特性，构建能自主调用API、操作业务系统、处理复杂工单的“超级客服”，实现从“咨询”到“闭环解决”的跨越。
探索Multi-Agent（多智能体）协作模式，设计“接待-诊断-处理-回访”的全链路自动化服务流程。
效果运营与持续调优：
建立AI服务效果评估体系（解决率、FCR、用户NPS、幻觉率等），通过Bad Case分析，反向优化Prompt策略、知识库检索逻辑及Agent工作流。
负责提示词工程（Prompt Engineering）的高级应用，利用CoT（思维链）、Few-Shot（少样本学习）等技巧，显著提升模型在复杂客诉场景下的推理准确性。
人机协同机制设计：
设计高效的“AI+人工”协同机制，明确AI接管与人工介入的边界，确保在AI能力不足时无缝切换，保障用户体验。
挖掘AI在服务过程中的数据价值，反哺产品优化与业务流程改造。

任职资格：

【任职要求】
1. 学历与院校背景（硬性门槛）
学历：全日制本科及以上学历，硕士/博士优先。
院校：毕业于国内外顶尖高校。
国内：仅限C9联盟、头部985/211及“双一流”建设高校中的计算机、人工智能、统计学等相关专业。
海外：QS世界大学排名前50，或CS专项排名前列的知名院校。
成绩：专业基础扎实，GPA排名前列者优先。
2. 核心技术认知（不造模型，但懂模型）
模型理解力：虽无需从头训练模型，但必须深刻理解Transformer架构原理、Context Window（上下文窗口）、Temperature/Top-P等参数对输出效果的影响，以及不同模型家族的优劣势。
前沿技术视野：对2025-2026年的AI发展趋势有清晰认知，熟悉Agent、RAG、Function Calling、Memory Mechanism等概念，并能阐述其在服务场景的应用逻辑。
3. 实战经验与极客精神（关键加分项）
独立搭建经验：在大学期间或个人生活中，独立搭建过至少一个完整的智能化应用场景（例如：基于OpenCLAW的自动选课助手、个人财务自动记账Agent、社群自动化管理机器人等）。
面试时需现场演示或提供GitHub链接/视频演示。
“龙虾”社区活跃者：是OpenCLAW社区（GitHub/Discord/微信群）的活跃参与者，提交过PR、编写过插件、或分享过高质量教程者优先。
数据敏感度：具备优秀的数据分析能力，能通过SQL/Python提取服务数据，用数据驱动运营策略的迭代。
【加分项】（满足任意一项极大增加录用概率）
OpenCLAW贡献者：在OpenCLAW开源项目中有代码贡献，或开发过被社区广泛使用的Plugin/Skill。
场景创新奖：曾在校内外黑客松（Hackathon）中，利用Agent技术获得过奖项，或有落地的创业项目。
技术博主：拥有个人技术博客/公众号/B站账号，发表过关于“AI服务运营”、“OpenCLAW实战”、“大模型效果调优”的深度文章，且有一定影响力。
复杂问题解决者：有处理过万级并发或复杂逻辑（如涉及多系统联动）的Agent搭建经验。