负责智能座舱AI Agent的技术架构与系统设计
主导设计面向智能座舱复杂交互场景的AI Agent系统架构，定义Agent的认知、规划、执行与学习核心模块。负责技术选型，构建基于大语言模型（LLM）与多模态大模型（VLM）的端云协同Agent框架，确保架构在性能、安全性与可扩展性上满足车规级要求。
负责智能座舱AI Agent核心能力的研发与实现
深入研发AI Agent的核心能力栈，包括但不限于：复杂任务规划与分解（基于CoT、ToT、ReAct等范式）、动态工具调用与执行（集成车辆控制、导航、娱乐、车况查询等车载服务API）、多轮对话与上下文管理、长期记忆与个性化适配。确保Agent能够理解模糊指令、处理异常并完成跨域连贯任务。
负责智能座舱AI Agent系统的评估、部署与性能调优
建立多维度、可量化的AI Agent评估体系，包括任务成功率、步骤效率、安全合规性及主观体验分。负责将Agent系统部署至座舱计算平台，并针对端侧资源约束进行深度性能优化，保障低延迟、高可靠的实时交互。
支持智能座舱AI Agent数据体系的构建与迭代
设计并实施AI Agent全生命周期的数据闭环策略。负责规划与构建高质量的指令数据、多轮对话数据、工具调用轨迹及反思数据的采集、清洗与标注流水线。通过数据驱动的方法，持续分析Agent在真实场景中的性能瓶颈与行为模式，迭代优化提示工程、模型微调与系统策略，为核心能力的提升提供数据基础与评估依据。
支持Agent模型层的训练、对齐与优化
协同模型和算法工程师对驱动Agent行为的核心模型层（如规划模型、工具使用模型、反思模型）的训练、微调与对齐。熟练运用参数高效微调（如LoRA）、强化学习对齐（如RLHF、DPO）及过程监督等技术，提升Agent的任务完成率、安全性与拟人化交互体验。
跨领域协同开发与量产交付
与产品、交互设计、云端服务、车控底层及测试团队紧密协作，解决跨系统难题，确保AI Agent功能在量产车型中高质量交付。
探索前沿Agent技术与座舱场景融合
持续追踪AI Agent前沿技术（如多智能体协作、具身智能、自我进化等），探索其在座舱场景（如车身跨域协同，多乘客协同服务、车路云协同决策、个性化场景生成）的创新应用原型，推动技术预研与产品化落地。