岗位描述
负责阿福多模态实时交互能力的工程研发与交付，围绕 ASR（语音识别）、TTS（语音合成）及全双工 Agent 等核心能力，建设低延迟、高稳定性、可扩展的实时交互系统，让用户通过自然流畅的语音和音视频交互，获得专业、有温度的 AI 健康服务。 1、负责 ASR、TTS 等语音能力的工程接入与服务建设，完善流式处理、会话管理及异常 恢复机制，持续优化语音服务的响应速度、稳定性与交互体验； 2、负责基于 LLM/VLM 的全双工 Agent 核心框架与服务建设，打通 ASR、模型推理、工具调用与 TTS 的流式链路，支持边听边说、交互打断与恢复、多模态上下文管理及实时任务编排，持续优化交互自然度与端到端响应时延； 3、建设通用的实时多模态 Agent 服务平台，提升核心能力复用与业务接入效率，支撑电话交互、视频问诊等场景的研发与交付；完善全链路观测、评测与调试能力，保障系统在高并发场景下的性能、稳定性与可用性； 4、理解业务与产品目标，制定技术方案、识别技术风险，推动架构与核心能力持续演进；与算法、产品及上下游团队协作，保障项目进度和交付质量。