工作内容：1.使用或重构 LangGraph / LangChain 架构，打造可扩展的多 Agent 系统。
2.构建核心模块（如 Tool 调用、人类反馈接口、Memory、StateGraph、Supervisor、Planner 等）
3.设计并落地嵌套调用、流式输出、异常重试的 Agent 执行流
4.构建高性能 API 服务，与外部系统互通（FastAPI / WebSocket / Redis / TaskQueue）
5.集成向量数据库与 RAG 检索系统，支撑智能问答与长记忆能力
将这些模块真正打磨成 可跑、可用、可上线、有用户的产品
技术要求：
1.Agent 架构理解力熟悉 LangGraph、LCEL、Autogen、CrewAI 等框架
2.理解 Memory / Tool / Planner / Router / Loop / 状态管理机制
3.能独立设计执行链路，调试链式调用、多 Agent 分工等复杂行为
4.扎实的 Python 能力FastAPI / Flask / WebSocket / Redis 的实战经验
5.熟悉异步调度、事件驱动架构、缓存系统等系统模块数据检索与语义理解
6.熟悉向量数据库的部署与使用（如 FAISS / Qdrant / Pinecone / Weaviate）
7.理解 Embedding、Chunking、RAG Pipeline、Semantic Search
8.能根据产品需求优化搜索精度与召回率
9.模型推理部署（加分项）
10.使用过 Replicate / TorchServe / Modal / RunPod / Docker / HuggingFace Spaces
11.能将大模型封装成服务接口并部署；熟悉模型缓存、流式输出、LoRA 微调机制（非强制）