百度
伐谋-Agent研发工程师（J99560）
伐谋-Agent研发工程师（J99560）
发布于 3 天前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
分布式系统
强化学习
AutoML
任务调度
Agent系统
AI 估算 · 30k–50k
百度大厂，Agent方向火热，技术难度高，北京薪资水平，工程师岗位中等偏上
职位详情
关于这个职位
百度正在招聘Agent研发工程师，负责智能体系统的设计与研发，包括长程任务规划、工具调用、代码执行等核心能力
你将参与自我演化Agent系统、代码评估系统以及云端产品业务的工程落地，与算法、产品团队紧密协作，推动前沿AI技术从原型走向生产
该职位适合有后端开发经验、熟悉Kubernetes生态、对AI Agent领域充满热情的工程师
最低要求
本科及以上学历，计算机相关专业，基础扎实，具备良好的数据结构、算法与系统设计能力
熟练掌握 Golang、Python 中至少一门语言，具备较强的工程实现能力和良好的编码习惯
有云产品后端、分布式系统、任务调度系统或复杂业务系统研发经验者优先
有 AutoML、强化学习平台、Agent 系统或评测系统研发经验者优先
熟悉 Kubernetes 生态，了解容器、存储、网络、计算资源管理等基础设施能力，具备相关系统设计与开发经验
具备一定的数据存储与服务端开发经验，能够独立推进模块设计、开发、测试与上线
具备良好的沟通协作能力和较强的自驱力，能够在快速变化和高不确定性环境下推动复杂系统落地
工作职责
参与 Agent 系统的设计与研发，围绕长程任务规划、工具调用、代码执行、状态管理等核心能力，建设可扩展的智能体执行框架
参与自我演化Agent系统的工程研发，支持任务采样、训练调度、结果回传、实验管理等关键链路建设
参与代码任务评估系统与执行环境的设计和实现，建设稳定、安全、可扩展的代码运行与自动评测能力
参与云端产品业务系统的设计与研发，支撑 Agent 产品在多租户、任务编排、资源管理、权限控制等场景下的工程落地
与算法、产品、平台团队紧密协作，持续优化系统的性能、稳定性、可观测性与可维护性，推动关键能力从原型走向生产可用
AI 洞察
优缺点分析
优点
- 前沿技术栈：Agent系统是AI领域热点，能接触长程规划、代码执行等核心技术
- 大厂平台：百度提供海量数据和丰富业务场景，技术落地机会多
- 团队协作：与算法、产品团队紧密配合，锻炼综合工程能力
- 薪资竞争力：百度薪资福利在业内具有较强竞争力，且该岗位属于核心研发
- 技术复杂度高：需要同时掌握后端、分布式、Kubernetes及AI系统等多领域知识
- 不确定性：Agent系统仍在快速发展阶段，需求可能频繁变化，需要快速适应
- 工作强度：互联网大厂研发岗通常节奏较快，可能需要应对紧急任务
- 适合技术栈全面、对AI Agent有浓厚兴趣、愿意在快速变化环境中推动复杂系统落地的资深后端工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术纵深发展：从Agent系统工程师成长为分布式系统或AI基础设施专家
- 跨领域拓展：结合算法和产品，向技术Leader或架构师方向发展
- 行业前景：Agent是AI前沿方向，经验可迁移至大模型、机器人等热门领域
- 设计和实现智能体执行框架，支持长程任务规划、工具调用和代码执行等核心能力
- 参与自我演化Agent系统的工程落地，包括任务采样、训练调度和结果回传等基础设施建设
- 构建代码任务评估系统与安全可扩展的执行环境，实现自动评测能力
- 开发云端产品业务系统，解决多租户、任务编排和资源管理等复杂工程问题
- 精通Golang或Python，具备扎实的工程实现能力
- 熟悉Kubernetes生态，掌握容器、存储、网络等基础设施
- 有分布式系统、任务调度或复杂业务系统研发经验
- 了解AutoML、强化学习或Agent系统优先，具备独立推进模块设计的能力
申请策略
- 关注百度AI业务方向，尤其是文心大模型和Agent产品，在面试中展现对行业的理解
- 准备一个完整的项目案例，讲解从设计到上线全流程，突出解决复杂问题的能力
- 突出Golang或Python的工程经验和项目成果，尤其是分布式系统或任务调度相关
- 强调Kubernetes实战经验，包括容器编排、资源管理等
- 如有AutoML、强化学习平台或Agent系统经历，务必重点展示
- 列出独立推进模块设计、测试和上线的案例，体现自驱力和工程能力
- 深入学习Kubernetes生态，特别是调度、存储和网络相关组件
- 补充Agent系统相关知识，如ReAct范式、工具调用、状态管理等
面试指南
- 先明确需求，再拆解核心模块，给出技术选型理由，最后讨论潜在问题和优化方向
- 结合具体项目经验，用STAR法则（情境、任务、行动、结果）结构化回答
- 设计一个分布式任务调度系统，考虑高可用和扩展性
- 如何设计Agent的工具调用框架？请描述关键组件和流程
- Kubernetes中Pod调度策略有哪些？如何实现资源限制？
- 你如何确保分布式系统的可观测性？列举常用工具和方法
- 请介绍一个你参与过的复杂系统，你扮演的角色及解决的关键问题
- 复习分布式系统设计原则和Kubernetes核心概念，准备系统设计题
匹配度报告
72
综合匹配度
百度大厂、前沿Agent技术栈、薪资竞争力强，但工作强度大、WLB一般。
适合人群
最适合追求技术成长和职业发展的求职者，若看重WLB则需谨慎考虑。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值75
薪资福利匹配
85较高
百度为上市大厂，薪资福利竞争力强，但JD未明确具体福利项，仅靠公司层级推断。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
该岗位涉及Agent前沿技术，技术栈新颖，团队协作紧密，成长空间大。JD中未提及晋升，但大厂内部有丰富培训资源。
技术前沿前沿/新兴技术
技术栈Agent系统、Golang、Python、Kubernetes、AutoML、强化学习
业务类型ambiguous
工作生活匹配
40较低
JD未提及远程或弹性办公，默认现场办公；北京互联网大厂通常加班较常见，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
75中等
Agent技术属于AI前沿，对行业有较大推动作用，但JD未强调社会价值。
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