网易
工具研发工程师（AI Agent开发）
工具研发工程师（AI Agent开发）
发布于 2 天前普通员工/个人贡献者
广州市
高级经验
全职员工
仅现场办公
本科
RAG
LLM
游戏引擎
Unreal Engine
Agent开发
AutoGen
AI 估算 · 30k–50k
网易大厂高级工程师，AI Agent方向热门，薪资处于行业高位，结合广州水平估算。
职位详情
关于这个职位
该职位负责开发游戏质量保障方向的AI Agent工具，构建Multi-Agent平台，并探索LLM与Agent技术在游戏研发管线中的应用
你将参与前沿AI技术落地，提升游戏测试智能化水平，适合有游戏开发经验且对AI Agent感兴趣的技术专家
最低要求
计算机相关专业本科及以上学历，5年以上开发经验，具备工具产品思维，对开发者体验有深刻理解
具备实际游戏研发项目经验，熟悉游戏研发管线（策划→开发→测试→上线）各阶段工作流，熟悉至少一款主流游戏引擎（Unity / Unreal Engine，或者网易自研引擎更优）
熟练掌握 Python，同时熟悉至少一种游戏开发常用语言（C# / C++ / Lua / Go 等）
掌握 LLM 应用开发（如 LangChain、AutoGen、Agno、CrewAI 等框架），有 Agent 系统设计与开发经验优先
熟悉主流 Agent 技术栈与工程实践，包括但不限于：
（1）核心技术原理：Prompt 工程、Tool Use / Function Calling、RAG、多模态交互、Agent Memory 管理等
（2）Agent 编排与治理：Agent Harness、Guardrails、可观测性（Tracing / Evaluation）等工程化能力
优秀的逻辑分析能力和技术创新意识，学习能力强，能快速跟进 Agent 领域的技术演进
工作职责
负责游戏QA方向 AI Agent 相关工具的设计、开发与优化，提升游戏质量保障的智能化水平
构建高效稳定的 Multi-Agent 平台，支持游戏测试中多场景任务调度与决策能力
开发面向开发者的 Agent SDK 及调试工具链，降低使用门槛
探索 LLM 与 Agent 技术在游戏研发管线中的创新应用场景，推动技术落地，并持续优化系统性能
AI 洞察
优缺点分析
优点
- 前沿技术：接触LLM、Agent、Multi-Agent等最新AI技术，处于行业创新前沿
- 大厂平台：网易提供稳定环境、丰富资源和成熟游戏研发体系，利于技术积累
- 实用价值：开发工具直接影响游戏质量，成果可落地，成就感强
- 职业前景：AI Agent领域人才稀缺，具备高竞争力的薪资和广阔发展空间
- 技术难度高：需要同时掌握游戏开发和AI Agent技术栈，学习曲线陡峭
- 工作强度可能较大：作为大厂核心工具研发，项目节奏快，可能需要应对紧急需求
缺点 / 挑战
- 技术迭代快：Agent领域发展迅速，需持续跟踪新技术，保持学习压力
- 适合有游戏开发背景、对AI Agent充满热情、喜欢挑战前沿技术、追求技术深度与产品落地的中高级工程师
角色解读
- 技术深度方向：成为AI Agent领域的专家，主导游戏AI工具链的架构演进
- 管理方向：带领团队负责AI工具平台的建设，逐步晋升为技术经理
- 跨领域方向：转向游戏AI研发或通用AI Agent平台开发，拓展至其他行业
- 设计和开发AI Agent工具，用于游戏质量保障的自动化测试和智能分析
- 构建Multi-Agent平台，实现多场景任务调度与决策，提升测试效率
- 开发Agent SDK和调试工具链，降低其他开发者的使用门槛
- 探索LLM与Agent技术在游戏研发管线中的创新应用，推动技术落地
- 扎实的编程能力：熟练Python，并掌握至少一门游戏开发语言（C#/C++/Lua/Go）
- 游戏开发经验：熟悉游戏研发全流程，至少使用过Unity或Unreal Engine
- LLM与Agent技术：精通LangChain、AutoGen等框架，理解Prompt工程、RAG、Agent Memory等
- 工具思维与工程化能力：注重开发者体验，具备Agent编排、治理、可观测性等工程实践
申请策略
- 提前了解网易游戏业务和QA工具现状，面试时能提出针对性的改进想法
- 关注网易技术博客或GitHub，展示对公司的热情和研究深度
- 突出游戏研发项目经验，特别是使用Unity/Unreal Engine的完整项目经历
- 强调LLM或Agent相关的实战项目，如使用LangChain构建过的智能体应用
- 展示工具设计思维：列举开发过的工具链、SDK或平台，并说明对开发者体验的改进
- 体现编程能力：用Python和C#/C++等项目案例证明技术深度
- 系统学习LangChain、AutoGen等框架，动手搭建一个简单的Agent Demo
- 补全Agent工程化知识：研究Agent Harness、Guardrails、Tracing等实践
面试指南
- STAR法：描述情境、任务、行动、结果，突出个人贡献和技术选型
- 结构化解法：先定义问题，再分点阐述设计思路，最后总结优缺点和优化方向
- 对比法：比较不同方案（如不同Agent框架）的适用场景，展示技术判断力
- 请描述你过去使用LangChain或AutoGen构建的一个Agent项目，包括架构设计和遇到的问题
- 如何设计一个Multi-Agent平台来支持游戏测试中的任务调度？
- 解释RAG在Agent中的应用场景，以及你如何优化检索效果
- 在游戏研发管线中，你认为AI Agent可以应用在哪些环节？请举例说明
- 如何评估Agent系统的性能和稳定性？你会采用哪些可观测性工具？
匹配度报告
69
综合匹配度
网易大厂，AI Agent前沿技术，薪资优厚，成长空间大，但工作强度未知，WLB一般。
适合人群
适合追求快速技术成长、渴望从事AI前沿领域、愿意投入一定工作强度的开发者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值60
薪资福利匹配
75中等
网易作为上市大厂，薪资福利具有竞争力，但JD未明确薪资，整体满足度较高。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
该职位专注于AI Agent前沿技术，技能成长空间极大，且公司平台资源丰富，满足度很高。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Multi-Agent、LangChain、AutoGen、RAG、Prompt工程、Function Calling、Agent Memory
业务类型ambiguous
工作生活匹配
50较低
JD未提及WLB相关，广州现场办公，作为游戏大厂工具岗，工作强度可能较高，满足度一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
60中等
致力于用AI提升游戏质量，有明确的应用价值，但社会影响有限，满足度中等。
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