AI Agent后端工程師
職位描述 (JD)
【崗位背景】 作為 AIGC 影視公司的后端基石，你需要構建一個高吞吐、低延遲的智能體編排引擎。 你的代碼將連接 n8n 的靈活性與 GPU 的硬算力。你需要為前端提供流式接口（Streaming），為 Agent 提供精準的長期記憶（VectDB），并確保我們的本地大模型（Local LLM）服務能像商業 API 一樣穩定響應。
【核心職責】
1.搭建企業級 RAG（檢索增強生成）系統
知識庫架構：設計并維護高性能的向量數據庫（如 Milvus, Qdrant, pgvector）。你需要解決劇本、小說等長文本的分塊策略（Chunking）和混合檢索（Hybrid Search）問題，確保 Agent 能準確引用劇本里的每一個細節。

數據清洗流：編寫 ETL 腳本，自動清洗和結構化處理非結構化的影視資料（PDF 劇本、通告單、分鏡表）。

2.高并發模型服務與任務調度
模型接口封裝：使用 FastAPI 或類似框架，將內部部署的開源模型（Qwen, Llama 3）封裝成標準的 OpenAI 兼容接口，供應用層調用。

異步任務隊列：AIGC 生成（尤其是視頻/高清圖）是非常耗時的。你需要利用 Celery / Redis Queue 設計健壯的異步任務系統，管理 ComfyUI 的生成隊列，防止高負載導致系統崩潰。

智能體記憶與狀態管理 (State Management)

多智能體通訊：實現 Agent 之間的消息路由機制。當“文字分鏡模塊”完成工作后，后端需要自動觸發“在資源庫中調出符合該文字分鏡的圖像”任務，并傳遞正確的上下文參數。

【任職要求】
1.技術棧 (硬核要求)
Python 專家：精通 FastAPI / Flask，熟悉 Python 的異步編程（Asyncio）。

向量數據庫經驗：實操過 Pinecone / Milvus / Weaviate 任意一種，理解 Embedding（嵌入）的原理和余弦相似度計算。

LLM 開發框架：熟練使用 LangChain 或 LlamaIndex 進行過實際開發，理解 Chain, Agent, Tool 等核心概念。

2.系統設計能力
任務調度：熟悉 Redis, RabbitMQ 或 Kafka，有過處理長耗時任務（Long-running tasks）的經驗。

數據庫設計：不僅會用 NoSQL (MongoDB) 存對話日志，也要會用 PostgreSQL 處理復雜的業務關系。

3.加分項 (AIGC 特有)
模型部署經驗：玩過 vLLM, Ollama, TensorRT-LLM，知道如何利用好 GPU 顯存，提高推理吞吐量（Tokens/s）。

ComfyUI 協議：研究過 ComfyUI 的 WebSocket 通訊協議，曾通過代碼控制 ComfyUI 進行生圖。