職位名稱：多智能體協同工程師

• 參與 echOS Agent Core 團隊，負責多智能體系統在真實交易場景中的工程化落地，聚焦於產業級應用，而非仿真或理論驗證環境

• 設計與實現多業務 Agent 的角色劃分與職責邊界，涵蓋定價、庫存、履約、渠道、計劃等核心業務模組

• 構建 Agent 生命週期管理機制，支援啟動、暫停、恢復、重組等動態行為，確保系統靈活性與穩定性

• 定義 Agent 權限邊界與職責分離機制，保障模組自治性與系統安全性

• 開發 Agent 間通信協議與狀態廣播機制，實現跨 Agent 狀態同步與數據一致性

• 搭建衝突檢測與協商框架，處理如「價格 vs 庫存」、「時效 vs 成本」等業務目標衝突，支援可學習的協商決策

• 融合集中式與分散式混合決策架構，並引入多智能體強化學習（MARL）技術，持續優化整體系統收益

• 建設多 Agent 仿真與回放環境，支援策略預驗證與異常復現

• 打造協同行為可觀測系統，涵蓋決策鏈路追蹤、責任歸因分析與效果量化評估

• 搭建 A/B 測試框架，用於科學評估不同協同策略的實際影響

• 設計開放式接入協議，支援新業務模組（如促銷 Agent）快速融入既有協同網絡

• 學士學歷，軟體工程、計算機科學、人工智能、自動化、數學或相關領域優先

• 熟悉 Python，具備紮實的程式設計能力與工程實踐經驗；有 PyTorch 使用經驗者尤佳

• 具備複雜系統、分散式系統或智能體（Agent）系統開發經驗者優先

• 理解強化學習或博弈論基本概念，能將理論工具轉化為實際協同機制

• 具備將複雜業務邏輯拆解為多個自治模塊的能力，並能進行系統級抽象與架構設計

• 對真實產業場景中的系統退化、目標衝突、策略漂移等問題有敏銳洞察，並願意深入參與解決

• 能使用普通話及粵語進行日常溝通；具備良好書面表達與跨團隊協作能力

• 無需經驗限制，歡迎實習生及應屆畢業生申請；具備以下任一背景者將獲優先考慮：

  — 多智能體強化學習（MARL）專案經驗
  — 博弈論或機制設計相關研究/實踐
  — 排程系統、資源分配系統開發經驗
  — 企業級分散式系統或高可用服務架構經驗

• 酬金

• 年終花紅

• 婚假