1、AgentOps技术体系构建 负责设计并落地“平台工程 + AgentOps”一体化运维架构，推动从传统DevOps/AIOps向以智能体（Agent）为核心的自主运维范式演进，实现故障发现、诊断、修复与验证的全流程闭环。 2、智能体全生命周期管理开发 构建智能体（Agent）的开发、部署、监控、迭代与版本控制机制，涵盖RAG增强、工具调用、记忆机制、思维链规划等能力，保障多智能体系统的稳定性与可维护性。 3、多智能体协同架构设计 基于主控Agent协调策略Agent（指挥官）、识别Agent（侦察兵）、分析Agent（侦探）、故障处理Agent（工程师）、报告Agent（秘书）等专职智能体协作，打造人机协同的“数字运维团队”，提升运维自动化与智能化水平。 4、融合6G网络与智能运维场景探索 探索AI在6G物理层波束管理、接入网负载均衡、核心网智能编排等场景的应用，构建跨层协同的“6G-AIOps”智能运维解决方案，支持网络状态实时感知、故障预测自愈与资源动态优化。 5、技术栈整合与平台能力建设 整合云原生、MLOps、LLM推理优化、安全治理等能力，构建支持资源调度异常检测、IAM权限分析、EZM弹性扩缩容等业务专属Agent的运行环境，实现从通用智能到专属闭环的能力跃迁 与团队协作完成技术难题攻关，参与系统性能优化与关键算法研发。

1、教育背景与经验： 计算机、通信、人工智能等相关专业硕士及以上学历，8年以上大型系统架构或智能运维平台建设经验； 熟悉DevOps、MLOps、AIOps技术体系，有实际落地经验者优先。 2、技术能力： 精通大语言模型（LLM）部署、推理优化与RAG架构，具备GPU资源调度、模型压缩与服务化部署实战经验； 掌握智能体（Agent）开发框架，熟悉AutoGPT、LangChain、BabyAGI等典型项目，了解MCP（模块上下文协议）及A2A（Agent-to-Agent）跨平台通信标准； 熟悉云原生技术栈（Kubernetes、Docker、Service Mesh），具备高可用、高并发运维平台设计能力； 具备AI/ML领域的知识与实践经验，能独立完成运维场景的模型设计与优化工作。 3、行业知识与解决问题能力： 能处理海量异构网络数据，具备日志分析、告警根因分析（RCA）、拓扑管理等AIOps典型场景建模能力； 具备优秀的问题分析与解决能力，能够快速理解复杂网络环境中的问题并提供可行的技术方案； 熟悉智能体生命周期管理方法论，包括版本控制、监控告警、安全审计与持续迭代机制。 4、软技能与团队合作： 良好的沟通与协作能力，能够跨团队协作并推动项目进展； 强烈的责任心和自驱力，具备在压力下完成高质量工作的能力。