主分类：Agent系统开发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "Miclaw-AI Agent编排专家 (Orchestration & Planning)",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "未披露"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 架构设计：设计 MiClaw 在移动端的自主 Agent 编排框架，实现复杂任务的自动化拆解与执行（Planning & Reasoning）。\n2. 编排优化：研发基于 ReAct、Plan-and-Execute 或 Multi-Agent 的协同模式，确保 Agent 在手机端不陷入逻辑死循环（Loop Detection）。\n3. 工具调用 (Tool-use)：定义端侧工具调用规范，利用 MCP/A2A/appfunctions 等协议打通手机系统能力（日历、相册、快捷指令等）。\n4. 请求路由：设计端云协同的动态路由机制，根据任务意图决定在本地推理还是请求云端模型。",
"requirements_text": "1. 5 年以上 AI 或软件架构经验，有 LangGraph、AutoGPT、CrewAI 等框架深度使用或自研经验者优先。\n2. 精通 Prompt Engineering，能够设计高压缩比、高指令遵循度的 System Prompts。\n3. 熟悉端侧小模型（如 Llama-3-8B, Phi-3-mini）的微调（SFT）和工具调用对齐经验。\n\n加分项：\n有成功解决 Agent 任务执行中“幻觉”控制及“逻辑回滚”机制的实战案例。",
"skills": [AI生成
"React",
"架构设计"
],
"preferred_qualifications": "1. 5 年以上 AI 或软件架构经验，有 LangGraph、AutoGPT、CrewAI 等框架深度使用或自研经验者优先；加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7482983267391996012/detail"
}
]
},
"posting": {
"posting_id": "7482983267391996012",
"post_date": "2025-03-18",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7482983267391996012/detail"
},
"fulltext": "Miclaw-AI Agent编排专家 (Orchestration & Planning)\n职位描述\n1. 架构设计：设计 MiClaw 在移动端的自主 Agent 编排框架，实现复杂任务的自动化拆解与执行（Planning & Reasoning）。\n2. 编排优化：研发基于 ReAct、Plan-and-Execute 或 Multi-Agent 的协同模式，确保 Agent 在手机端不陷入逻辑死循环（Loop Detection）。\n3. 工具调用 (Tool-use)：定义端侧工具调用规范，利用 MCP/A2A/appfunctions 等协议打通手机系统能力（日历、相册、快捷指令等）。\n4. 请求路由：设计端云协同的动态路由机制，根据任务意图决定在本地推理还是请求云端模型。\n\n职位要求\n1. 5 年以上 AI 或软件架构经验，有 LangGraph、AutoGPT、CrewAI 等框架深度使用或自研经验者优先。\n2. 精通 Prompt Engineering，能够设计高压缩比、高指令遵循度的 System Prompts。\n3. 熟悉端侧小模型（如 Llama-3-8B, Phi-3-mini）的微调（SFT）和工具调用对齐经验。\n\n加分项：\n有成功解决 Agent 任务执行中“幻觉”控制及“逻辑回滚”机制的实战案例。\n1. 架构设计：设计 MiClaw 在移动端的自主 Agent 编排框架，实现复杂任务的自动化拆解与执行（Planning & Reasoning）。\n2. 编排优化：研发基于 ReAct、Plan-and-Execute 或 Multi-Agent 的协同模式，确保 Agent 在手机端不陷入逻辑死循环（Loop Detection）。\n3. 工具调用 (Tool-use)：定义端侧工具调用规范，利用 MCP/A2A/appfunctions 等协议打通手机系统能力（日历、相册、快捷指令等）。\n4. 请求路由：设计端云协同的动态路由机制，根据任务意图决定在本地推理还是请求云端模型。\n1. 5 年以上 AI 或软件架构经验，有 LangGraph、AutoGPT、CrewAI 等框架深度使用或自研经验者优先。\n2. 精通 Prompt Engineering，能够设计高压缩比、高指令遵循度的 System Prompts。\n3. 熟悉端侧小模型（如 Llama-3-8B, Phi-3-mini）的微调（SFT）和工具调用对齐经验。\n\n加分项：\n有成功解决 Agent 任务执行中“幻觉”控制及“逻辑回滚”机制的实战案例。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}