智选
有据可查的选购研究：在真实条件与明确不确定性下，把一份选购需求变成可供检视的比较结果。
研究型智能体、检索与评估
智能体工程师
使命: 打造能够研究问题、依据证据推理并使用工具的智能体，让人们看得懂结果的依据，也能据此行动。
我们按实际项目需求推进招聘。欢迎就这些职位表达意向，具体招聘时间与工作范围将结合当前重点确定。
目前应用它的产品
你将做的工作
- 设计智能体执行框架：规划、检索、来源核查、需求澄清与结构化结果，并明确任务约束和停止条件。
- 设计长任务的上下文管理：按需检索证据、保留来源引用，并通过记忆与上下文压缩延续工作，不丢失约束或待解决的问题。
- 构建输入结构清晰、错误信息有用、输出经过校验的工具；支持持久检查点、取消与安全重试。
- 把真实失败转化为评估数据集。结合自动检查与人工复核，衡量证据支撑、工具选择和任务结果；比较模型与提示词变更对质量、延迟和成本的影响。
- 保护敏感信息，把检索到的内容视为不可信输入，并明确呈现不确定性或确实没有合适结果的情况。
我们希望你能做到
- 扎实的 Python 或 TypeScript 工程能力，包括异步 API、测试与调试，并愿意在我们的 TypeScript/Node.js 技术栈中工作。
- 有大语言模型应用的实践经验：工具调用、结构化输出、提示词设计与上下文管理；能够解释何时简单工作流已足够，何时需要智能体循环。
- 具备检索与搜索实践能力：选择来源、保留引用、处理相互矛盾的证据，并判断哪些信息应进入模型上下文。
- 能够设计评估、分析执行轨迹，并根据可测量的失败改进智能体，而不只依赖演示效果。
- 有产品判断力：把模糊需求转化为可验证的约束，向用户和同事清晰解释取舍。
有帮助的经验
- 使用过 Claude Agent SDK、LangGraph、Vercel AI SDK 等智能体开发工具或编排库；有通过 MCP（模型上下文协议）集成工具的经验。
- 了解混合检索、重排序、多模态证据或长任务记忆，并能判断这些方法何时确实改善结果。
- 有 React/Next.js、PostgreSQL、实验跟踪、模型路由或提示词缓存经验；会使用 AI 编程工具，并认真审查其生成的改动。
为什么这份工作值得投入
- 参与从模糊需求到有证据支撑的实用结果的完整过程。
- 一起设计提示词、工具和评估，验证哪些改动真正提升了智能体。
- 从研究与决策支持出发，构建可以应用于不同产品的能力。
如何申请
请发送简短自我介绍，以及相关代码、项目或作品集的链接；简历可选。说说你做了什么、排查过什么失败，以及如何验证结果是否有效。我们看重可证明的能力，不设特定学历或工作年限门槛。
邮件申请也可以直接写信至： contact@dpintelli.com
会打开你的邮件应用，并附上写给我们的预先准备的草稿。