网易
AI Agent 开发工程师
AI Agent 开发工程师
发布于 大约 17 小时前普通员工/个人贡献者
杭州市
高级经验
全职员工
仅现场办公
本科
LLM
Prompt Engineering
AI Agent
LangGraph
Multi-Agent
AI 估算 · 25k–45k
AI Agent是前沿技术方向，互联网大厂杭州薪资水平较高，结合岗位要求高级经验，预估范围合理。
职位详情
关于这个职位
加入网易效率工程部，负责AI Agent工具产品的研发，主导多Agent架构设计与工具链建设，打造企业级智能效率工具
你将接触前沿的AI Agent技术栈，解决高并发低延迟挑战，推动技术方案落地
适合有4年以上经验、熟悉LLM应用开发、热爱AI技术的工程师
最低要求
本科及以上学历，计算机相关专业，至少4年及以上项目开发经验，扎实的计算机基础，包括数据结构、算法、操作系统及网络等
熟练掌握Java/Python等一种以上编程语言
拥有扎实的AI Agent/LLM应用开发经验，深入理解ReAct、Plan-and-Execute、Multi-Agent等主流Agent范式，熟悉上下文工程、模型调优、效果评测等关键环节，有实际构建和优化Agent系统的经验
熟悉主流AI Agent框架（LangGraph、LangChain等），有框架深度使用或二次开发经验者优先
熟练使用AI Coding工具（如Cursor、Codex、ClaudeCode等），能高效提升开发效率
具备优秀的产品思维与工程素养，能主动探索产品创新方向并推动技术方案落地，对AI新技术保持高度热情
工作职责
加入效率工程部，深度参与AI Agent工具产品的研发，主导AI工具链的设计与建设，打造企业级智能效率工具
主导上下文工程与多Agent架构设计，构建工具Skill生态与Workflow编排体系，拓展AI Agent能力边界，打造灵活可扩展的Multi-Agent协作架构，保障Prompt工程稳定性与效果，支撑Agent智能决策流程
构建高可用AI Agent工具系统，解决实际场景中的高并发、低延迟挑战，设计个性化工具体验架构，让AI工具真正适配不同角色与场景的差异化需求
接触并落地最前沿的AI Agent技术栈（多Agent协作、长上下文处理、MCP协议、Function Calling、工具链扩展等），将创新理念快速转化为可落地的工具产品能力
优先资格
有AI Agent框架二次开发经验者优先
AI 洞察
优缺点分析
- 网易大厂平台，技术氛围浓厚，AI Agent处于行业风口，技能含金量高
- 工作内容前沿，涉及多Agent、LLM、MCP等最新技术，成长迅速
- 团队效率工程部，有机会打造影响广泛的企业级工具，成就感强
- AI Agent技术迭代快，需要持续学习，对自学能力要求高
- 涉及高并发、低延迟的工程挑战，技术难度大，可能面临较大工作压力
- 需同时具备算法和工程能力，对综合能力要求较高
- 适合有较强编程基础，对AI Agent和LLM应用充满热情，喜欢挑战前沿技术并追求快速成长的工程师
角色解读
- 技术深度：从Agent开发进阶为AI系统架构师，主导企业级智能工具平台设计
- 业务广度：积累AI产品化经验，可转型为AI产品经理或技术Leader
- 行业影响力：在AI Agent领域积累前沿经验，成为行业稀缺人才，薪资涨幅可观
- 主导AI Agent工具链的设计与开发，构建多Agent协作架构和工具Skill生态
- 负责上下文工程与Workflow编排，优化Prompt工程稳定性和Agent决策流程
- 解决高并发、低延迟等工程挑战，设计个性化工具体验架构
- 探索并落地MCP协议、Function Calling等前沿AI Agent技术
- 扎实的编程基础（Java/Python）和4年以上开发经验，熟悉数据结构与算法
- 深入理解主流Agent范式（ReAct、Plan-and-Execute、Multi-Agent）及框架（LangGraph、LangChain）
- 具备上下文工程、模型调优和Agent系统优化经验
- 优秀的产品思维和工程素养，能主动推动技术创新落地
申请策略
- 投递前关注网易效率工程部的产品方向，准备对AI工具痛点的见解
- 在面试中展现主动探索和推动技术创新的能力，而非仅做执行者
- 突出AI Agent或LLM应用的实际项目经验，具体说明使用的框架和范式
- 强调对ReAct、Multi-Agent等Agent范式的理解和实践，用数据展示效果改善
- 展示对LangGraph/LangChain等框架的二次开发或深度使用经验
- 提及AI Coding工具的使用熟练度，体现工程效率意识
- 复习Agent框架（LangGraph、LangChain）的高级用法，可动手搭建Demo
- 深入理解上下文工程、Prompt优化技巧，尝试优化复杂任务流程
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出技术细节和个人贡献
- 对比分析法：将不同技术点并列比较，展示系统性思考能力
- 工程化思维：从稳定性、扩展性、性能等多角度回答，体现工程素养
- 请详细介绍你做过的一个AI Agent项目，包括架构设计、遇到的技术挑战及解决方案
- 比较ReAct、Plan-and-Execute、Multi-Agent三种范式，并说明适用场景
- 如何保证大规模Agent系统的Prompt稳定性和效果一致性？
- 在高并发场景下，AI Agent系统的性能瓶颈可能在哪里？如何优化？
- 你对MCP协议的理解？它如何帮助Agent工具链的扩展？
匹配度报告
74
综合匹配度
网易大厂、AI Agent前沿技术栈、薪资较高，但工作压力可能较大且WLB未明确。
适合人群
最适合追求技术成长、愿意挑战前沿领域、对薪资和品牌有要求的求职者，不太适合看重工作生活平衡的人。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展95
工作生活50
使命价值70
薪资福利匹配
80较高
薪资在杭州互联网大厂中属于较高水平，且有网易的品牌效应，但未在JD中明确福利，综合看补偿性中等偏上。
薪资信号未披露 (25K-45K/月)
成长发展匹配
95较高
岗位涉及AI Agent前沿技术，技术栈新，成长空间大，公司平台支持创新，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈Python、Java、LLM、AI Agent、LangGraph、LangChain、ReAct、Multi-Agent、Prompt Engineering、Function Calling、MCP
业务类型ambiguous
工作生活匹配
50较低
JD未提及远程或弹性工作，杭州现场办公，互联网大厂高强度文化普遍，但未明确暗示加班，生活方式中等偏下。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
AI Agent技术有潜力提升企业生产效率，但未直接体现社会价值，行业属于高速增长赛道，意义感中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs