核心定位：定义 AI Agent 行为 + 建立评测体系 + 迭代提示词与上下文，确保输出快速、准确、真正有用。不是传统测试岗，而是产品体验与模型能力之间的桥梁。 主要职责 行为定义：撰写系统提示词、任务规范、推理流程设计 质量基线：定义成功标准（语音意图、指令执行、多轮对话） 评测体系：搭建离线测试、回归流水线、LLM-as-judge、人工标注 提示词迭代：诊断并修复提示词/上下文/模型/数据问题 实验与监控：结构化消融实验，建立在线质量信号 跨团队协作：从功能设计初期即介入

必备要求 1，4 年以上工程经验，有生产级 LLM 落地经验（非仅调 API） 2，深度提示词工程实践，能感知上下文/指令结构/工具定义对模型行为的影响 3，扎实的 Python 工程能力（编写评测流水线、实验框架） 4，能全链路定位问题：提示词 → 模型 → 工具 → 输出 → 用户体验 5，有 AI 系统评测框架设计经验 6，产品直觉 + 中英文清晰沟通 加分项 1，语音 AI 经验（ASR/NLU/TTS） 2，Agentic 系统背景（工具使用、多步推理、记忆） 3，HITL 标注经验 4，A/B 测试平台经验 5，RLHF / 偏好数据 / 奖励建模 理想画像 1，既能写提示词，又能写 Python 评测代码 2，以数据和指标驱动，而非凭直觉 3，对 AI 产品体验有极致追求 4，乐于在研究与产品边界工作 38岁以内