中国平安
资深Agent算法工程师
资深Agent算法工程师
发布于 大约 15 小时前普通员工/个人贡献者
深圳市
专家级经验
全职员工
仅现场办公
学历未注明
强化学习
RAG
LLM
向量数据库
Agent框架
Multi-Agent
AI 估算 · 30k–60k
资深AI算法岗，前沿技术栈，市场需求强劲，平安大厂，薪资属市场较高水平。
职位详情
关于这个职位
作为资深Agent算法工程师，你将负责基于大语言模型构建营销智能体系统，涵盖架构设计、多模态工具集成、记忆与RAG系统以及业务闭环强化学习
职位要求精通LLM、Agent框架、Python和向量数据库，适合有复杂决策落地经验的AI工程师
最低要求
核心技术能力：•大模型深度应用：精通主流LLM（如GPT-4, Claude 3, Llama 3, Qwen等）的特性与局限性，深入理解Prompt Engineering的底层原理，能通过预训练或微调（SFT/LoRA）提升模型在特定指令下的执行效能
智能体框架实战：熟练掌握或深入研究过LangChain, AutoGPT, CrewAI等开源框架，但具备不依赖框架从底层构建Agent系统的能力，特别是在处理长序列决策（Long-term Trajectory）时的稳定性优化
工程化能力：精通Python，熟悉向量数据库（Milvus, Pinecone, Chroma）的索引策略与性能调优
具备处理高并发、异步任务编排的系统设计经验
专项经验要求：•复杂决策场景经验：有实际落地过多步推理任务或多智能体协作（Multi-Agent System）项目的经验
能解决Agent在实际业务中常见的“幻觉”、循环逻辑及指令偏移问题
全链路业务理解：具备营销/广告科技（Ad-Tech）背景优先
工作职责
营销Agent架构设计与实现：基于LLM构建具备自主规划（Planning）能力的Agent系统
针对营销策略拆解、创意生成、广告投放优化等环节，设计并实现ReAct、CoT (Chain of Thought)、ToT (Tree of Thoughts)等推理架构
多模态工具链集成 (Tool/Action Use)：研发高效的Function Calling与API编排机制，使Agent能够精准驱动视觉生成引擎、投放平台API及企业内部数据库，实现从内容生产到自动化分发的无缝衔接
记忆与知识管理系统 (Memory & RAG)：构建面向营销场景的长期记忆机制与高性能RAG (Retrieval-Augmented Generation)系统
整合行业知识库、历史成交案例、品牌调性约束，确保Agent在长周期线索跟进中的上下文一致性与专业度
业务闭环驱动的强化学习与对齐：利用业务端产生的真实转化数据（线索质量、成交率），优化Agent的决策逻辑，使Agent的推荐策略与生成内容向高转化率目标演进
优先资格
有营销/广告科技（Ad-Tech）背景优先
AI 洞察
优缺点分析
优点
- 平安大平台，资源丰富，业务场景真实
- 前沿技术栈（LLM、Agent、RAG），技能积累快
- 营销科技赛道增长潜力大
- 岗位涉及完整业务闭环，综合性强
- 涉及多系统集成，工程复杂度高
- 需与多团队协作，沟通成本高
缺点 / 挑战
- 业务对转化率要求高，压力较大
- 适合在AI领域有深厚技术功底，喜欢挑战复杂系统，并希望将技术落地到实际业务场景的工程师
角色解读
- 技术纵深：成为Agent系统架构专家
- 管理方向：晋升为AI团队负责人
- 跨领域：可向AI产品总监或首席科学家发展
- 基于LLM构建营销Agent系统，实现任务规划与推理
- 集成多模态工具和API，实现内容生成到自动分发
- 设计长期记忆和RAG系统，保证上下文一致性
- 利用业务数据优化Agent决策逻辑，提升转化率
- 精通LLM（如GPT-4、Llama）及Prompt Engineering
- 熟练掌握Agent框架（LangChain等）并能底层构建
- 扎实的Python工程能力，熟悉向量数据库
- 具备复杂决策或多智能体系统落地经验
申请策略
- 准备一个完整的Agent系统设计案例
- 研究平安的营销科技方向，展示你的理解
- 突出LLM和Agent系统的项目经验，尤其是多步推理和工具调用
- 展示Python和向量数据库的工程案例
- 强调广告或营销相关经历
- 如有强化学习或业务闭环优化经验更佳
- 深入学习主流LLM的API和微调方法
- 实践LangChain和AutoGPT构建Agent
面试指南
- 项目经验：STAR法则（情境、任务、行动、结果）
- 技术问题：先讲原理，再讲实现，最后讲优化
- 系统设计：思路清晰，分层设计，考虑扩展性
- 请描述一个你实现的Agent系统，包括架构设计和遇到的挑战
- 如何解决LLM的幻觉问题？
- 设计一个多智能体协作方案用于营销策略制定
- 如何优化RAG系统的检索效率和准确性？
- 如何利用业务数据通过强化学习改进Agent？
匹配度报告
71
综合匹配度
前沿AI Agent技术栈，大厂平台，业务驱动，工作强度不明。
适合人群
适合追求技术成长、愿意接受挑战、对薪资有较高期望的工程师。
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70
薪资福利匹配
75中等
大厂平台，薪资预计在市场较高水平，但JD未明确薪酬福利。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
90较高
职位涉及LLM、Agent、RAG等前沿技术，技术成长空间大，业务驱动强。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、ReAct、GPT-4、LangChain、Milvus
业务类型profit_center
工作生活匹配
50较低
仅现场办公，位于深圳，无WLB相关信息，无法判断加班情况。
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营销属于高速增长赛道，对社会影响中性，公司采用前沿技术。
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