机器学习工程师

关于 Nyotta

Nyotta 为复杂的工程与业务流程打造 AI 智能体。我们把基于技术资料的推理、工具调用和人工审核结合起来，帮助团队从原始资料出发，一路推进到决策和交付。这些系统主要用于对准确性、可追溯性和可控性要求很高的工程与商务流程。

岗位概述

这个岗位关注智能体做出的每一个决策：检索什么信息、调用哪个工具、如何解读返回结果，以及什么时候该请人介入。工作内容横跨应用机器学习、实验和软件工程。你会和软件工程师一起验证新方法、排查失败原因，并把真正有效的改进落地到产品中。

工作内容

• 围绕模型、提示词、检索和上下文管理开展实验，提升智能体的任务完成率。
• 搭建评估体系，在完整工作流中检验推理能力、工具选择和输出质量。
• 分析失败的运行记录，判断问题出在模型、可用上下文、工具还是执行逻辑。
• 从任务成功率、延迟和成本三个维度比较不同方案，变更上线前先建立回归检查。
• 建立反馈机制，把用户的修正和观察到的失败转化为更好的数据集和评估。

任职要求

• 做过机器学习或 AI 项目，能讲清楚是怎么测试的、在哪里失败了、后来改了什么。科研、课程、个人项目或工作经历均可。
• 熟练使用 Python，能独立搭建实验、处理数据、调试模型行为。
• 能定义有意义的成功指标，遇到与预期不符的结果会追查到底。
• 乐于和工程师合作，把实验性的方法打磨成可维护的软件。

职级与职责范围

• 工程师：在指导和代码评审下，负责一项范围明确的智能体能力或评估课题。欢迎职业生涯早期的候选人。
• 高级：独立负责一项智能体能力，从实验设计、评估、发布到后续跟进。需具备交付并维护应用机器学习系统的经验。

加分项

有 LLM 智能体、工具调用、检索、多模态模型或评估框架相关经验，或在生产环境的 AI 系统上做过实验。

这项工作的难点

一次运行看起来没问题，却可能漏掉了某个必要步骤；一次模型改动修好了一个问题，也可能引出另一个问题。你需要设计出能暴露这些取舍的评估，也要有耐心逐一弄清每次失败的原因。

你可能参与的课题

某个智能体总是选择一个帮不上忙的工具。你需要复现这一行为，验证问题出在上下文还是工具选择，并衡量修复后完整任务的表现是否提升，同时不带来不必要的成本增加。