Staff Engineer — Context / Memory（记忆系统架构负责人）

职责

• 负责 Agent Computer 记忆系统的整体架构设计，包括数据摄取、结构化与向量化存储、检索、更新与遗忘机制，定义"端侧记忆中枢"的技术蓝图

• 设计并实现面向多 Agent 应用的统一 Context / Memory 服务与 API，解决长程记忆、上下文压缩、跨应用记忆共享与权限隔离等核心问题

• 构建个人数据的沉淀管道，将用户的文档、对话、行为等多源异构数据转化为可被 Agent 高效调用的长期记忆（分层记忆、知识图谱、Embedding 索引等）

• 在端侧算力与隐私约束下做架构权衡，包括本地优先的存储与加密、脱敏策略，以及必要的端云协同方案

• 为后续"个人模型训练"预留数据与架构基础（数据版本化、反馈回流、微调数据构建），并指导团队工程师、制定技术标准

能力要求

• 5 年以上后端 / 基础架构研发经验，有大规模数据系统或 AI 应用后端的架构主导经历，达到 Staff / 资深专家级别

• 深入理解 LLM 应用的 Context 工程：RAG、长上下文管理、记忆分层（工作记忆 / 情景记忆 / 语义记忆）、上下文压缩与检索增强等

• 熟悉向量数据库（如 Milvus / Qdrant / LanceDB）、Embedding 模型、混合检索（关键词 + 向量 + 重排）及相应的效果评测方法

• 工程功底扎实，精通至少一门后端语言（Python / Go / Rust / C++），理解存储引擎、消息队列与分布式系统的基本原理

• 对数据隐私与安全有工程化理解（本地加密存储、权限模型、沙箱隔离）

• 具备从 0 到 1 定义技术方案的能力，以及跨团队沟通与推动力

加分项（选填）

• 有 Agent 框架（LangGraph / AutoGen / 自研框架等）或记忆系统（MemGPT、Mem0 一类）的实践或开源贡献

• 有端侧 / 边缘计算环境下的系统设计经验，理解资源受限场景的性能优化

• 有知识图谱、个性化推荐或用户画像系统的建设经验

• 有模型微调与后训练（SFT / LoRA / DPO 等）的数据工程经验

• 发表过相关论文或高质量技术博客，在技术社区有一定影响力