必备条件:
硬性要求：从竞品公司出来的，可以不看学历
本硕至少要有一个满足985、211，有agent视频工具/编辑相关产品经验
优先条件:
竞品公司：出海的agent视频工具/编辑相关产品公司，比如钛动科技、内容特工队 AI、万兴科技、Noiz AI等
岗位职责:
岗位职责
1.Agent 推理与规划链路设计：
￮深入分析视频剪辑的复杂场景，设计并优化 Agent 的多步推理链（如 Chain-of-Thought, Tree-of-Thought, ReAct 模式），提升 Agent 在任务拆解、逻辑规划上的准确性和创造性。
￮负责核心的上下文工程（Context Engineering），优化长视频内容的理解、记忆和关键信息召回机制，解决长程依赖和信息一致性问题。
2.建立与实施效果评估体系 (Evaluation Framework):
￮从零到一建立一套科学、可量化的 Agent 输出质量评估体系，结合自动化指标（如素材相关性、镜头切换频率）和人工评估规范（如叙事流畅度、情感表达力）。
￮主导 A/B 测试和案例分析（Case Study），通过数据驱动的方式，精准定位当前 Agent 策略的短板，并指导优化方向。
3.Agent 行为与工具链调优：
￮对 Agent 的失败案例（Failure Cases）进行系统性复盘，设计并实现 Agent 的自我纠错与反思（Self-Correction/Reflection）机制，提升其鲁棒性。
￮深度介入工具链（如 FFmpeg、字幕生成器等）的调用环节，优化其参数选择与调用逻辑，例如，让 Agent 学会根据视频风格选择合适的滤镜参数或转场效果。
4.知识库与 RAG 策略优化：
￮负责优化支撑 Agent 决策的知识库（例如，优秀剪辑风格、B-roll 素材库），并对 RAG (检索增强生成) 流程进行端到端调优，包括 Embedding 模型选型、召回策略、排序（Reranking）算法等。
5.前沿算法策略研究与落地：
￮跟进 Agent 领域最新研究（如 LLM-Orchestrator、多Agent协作、上下文压缩/RAG增强）。
将前沿方法结合到视频智能剪辑场景，形成落地策略与差异化优势。
任职要求:
1.对 Agent 调度/规划/执行链路 有深入理解。拥有将 LLM/Agent 应用从 Demo 阶段优化至生产可用水平的成功经验，深刻理解从“能用”到“好用”的鸿沟所在。
2.扎实的 Prompt Engineering 与 Context Engineering 实践经验，能将复杂需求转化为模型可执行的上下文策略。精通 CoT, ToT, ReAct, Self-Correction 等高级 Prompting 和 Agentic 设计模式，并有丰富的实践调优经验。
3.有多模态任务经验（视频、音频、文本 embedding），熟悉 RAG、上下文压缩与长序列优化方法。
4.具备从零到一搭建大模型应用评估框架（Evaluation Framework）的经验，熟悉自动化评估与人工评估流程，对数据敏感，擅长通过实验驱动产品迭代。
5.具备极强的逻辑分析、问题拆解和归纳总结能力，能从大量看似随机的失败案例中定位核心症结。
6.扎实的 Python 编程能力，能够熟练进行数据处理、实验脚本编写和快速原型验证。