Agent 决策引擎研发：负责基于 LLM 的规划（Planning）与决策算法，优化 ReAct、CoT、ToT 等框架，提升 Agent 在复杂、多步骤业务场景下的成功率与鲁棒性
RAG 与知识工程：研发高性能的检索增强生成（RAG）系统，优化向量检索、重排序（Rerank）及长文本处理算法，确保 Agent 具备精准的业务知识边界
工具学习与调用（Function Calling）：优化模型对 API 调用的理解与参数提取能力，解决多工具组合下的冲突与幻觉问题，提升 Agent 对复杂外部系统的操控精度
模型微调与蒸馏：针对 Agent 场景进行 SFT、RLHF 或 DPO 微调，提升模型在特定任务（如代码生成、逻辑推理、指令遵循）上的表现，并实现高性能推理部署
评估与自进化体系：构建 Agent 自动评估框架，利用模拟器（Simulator）或 LLM-as-a-judge 机制实现算法的快速迭代与线上自演化