百度
千帆Agent&Tools后端研发（J99773）
千帆Agent&Tools后端研发（J99773）
发布于 大约 13 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
RAG
GO
LLM
AI 估算 · 25k–45k
百度大厂+前沿AI Agent技术栈，薪资竞争力强，中位数参考市场水平。
职位详情
关于这个职位
加入百度，负责千帆DuMate Agent后端研发，包括运行引擎、插件系统、记忆与计费等模块
你将参与高可用、高性能系统建设，并探索Agent前沿范式，推动大模型应用落地
适合3年以上后端经验、熟悉Go/Python、对AI Agent技术栈有热情的工程师
最低要求
本科及以上学历，3年以上后端开发经验，熟练掌握Go/Python中至少一门语言，具备良好的代码设计能力和工程规范意识
熟悉Docker、Kubernetes等容器化与编排生态，具备自托管系统部署经验
熟练使用Redis、PostgreSQL、Kafka等中间件
对大模型Agent技术栈有较好认知，了解LLM调用、Tool Calling、ReAct/Plan-and-Execute、RAG、Embedding、向量数据库等核心概念
工作职责
负责千帆DuMate的后端研发工作，包括但不限于Agent运行引擎、工具/技能（Skills）插件系统、长期记忆（Memory）、账号权限、积分计费等
负责平台的高可用性、性能优化与稳定性建设，包括异步消息处理、状态持久化、调用限流、错误重试等
探索先进的Agent范式（如自主规划、自我反思、代码生成技能、多Agent协作等），解决复杂多步任务在真实场景下的落地问题，推动从原型到生产级可用
与前端、模型fine-tune/算法、产品及安全团队紧密协作，共同打造隐私优先、高扩展、用户友好的AI Agent体验
优先资格
有自主Agent框架、AI应用平台、聊天机器人后端、或高并发消息系统开发经验者优先
AI 洞察
优缺点分析
优点
- 前沿技术栈：深度参与LLM Agent开发，掌握行业最热门的大模型应用技术
- 大厂平台：百度作为AI巨头，提供海量资源和成熟的技术体系，职业背书强
- 成长空间：业务处于快速迭代期，有机会接触从架构到落地的全链路，锻炼综合能力
- 技术复杂度高：Agent系统涉及多模块协调，需处理不确定性、记忆持久化等难题，学习曲线陡
- 跨团队协作多：需与算法、前端、产品频繁沟通，对沟通和项目管理能力要求高
- 适合3年以上后端经验、热爱新技术、渴望在大模型领域深耕，能适应快节奏协作的技术型人才
缺点 / 挑战
- 高强度迭代：AI赛道竞争激烈，可能需要应对快速上线的压力，WLB相对不确定
角色解读
- 技术纵深：从Agent后端开发成长为AI基础设施专家，主导复杂分布式系统设计
- 业务拓展：深入理解大模型应用场景，转型为AI产品架构师或技术负责人
- 生态影响：参与开源Agent框架或推动行业标准，成为AI Agent领域意见领袖
- 负责千帆DuMate Agent后端核心模块开发，包括运行引擎、插件系统、记忆与计费等
- 参与系统高可用、性能优化和稳定性建设，处理异步消息、状态持久化、限流重试等
- 探索Agent前沿范式，推动自主规划、多Agent协作等从原型到生产落地
- 与前端、算法、产品等多团队协作，保障AI Agent体验的隐私与扩展性
- 精通Go/Python，具备扎实的编码和工程规范能力
- 熟悉Docker、Kubernetes、Redis、PostgreSQL、Kafka等中间件与容器化技术
- 理解大模型Agent技术栈，包括LLM调用、Tool Calling、RAG、向量数据库等
- 有AI应用平台、聊天机器人后端或高并发系统经验者优先
申请策略
- 在简历和面试中体现对Agent落地挑战的思考，如如何平衡性能与智能、如何处理错误等
- 关注百度AI开放平台和千帆动态，在面试中展示对业务方向的理解和热情
- 突出后端项目经验，尤其是高并发、分布式系统设计案例，量化性能优化成果
- 强调对LLM/Agent的了解，如使用过LangChain、AutoGPT等框架，或有相关项目实践
- 展示容器化部署经验，如Docker/K8s的实战应用，以及中间件（Redis/Kafka）的调优经历
- 如有AI相关开源贡献或技术博客，务必列出，体现技术热情和社区影响力
- 系统学习Agent架构，动手实现一个简单的对话Agent或工具调用Demo
- 深入理解ReAct、Plan-and-Execute等范式，了解向量数据库（如Milvus、Pinecone）的使用
面试指南
- 结构化回答：先定义问题边界，再拆解子模块，最后结合经验和案例说明设计取舍
- STAR法则：针对项目经历，描述情境、任务、行动和结果，突出你的贡献和思考
- 对比分析：当被问及技术选型时，列出多种方案的优势劣势，展示权衡能力
- 请设计一个Agent运行引擎，考虑插件加载、工具调用和记忆管理
- 如何保证Agent系统的高可用和稳定性？请结合你使用的中间件举例
- 描述ReAct和Plan-and-Execute的区别，以及它们在复杂任务中的适用场景
- 你如何处理Agent调用LLM时的延迟和错误？有什么优化策略？
- 在跨团队协作中，如何推动技术方案落地并平衡各方需求？
匹配度报告
78
综合匹配度
百度大厂AI Agent后端岗，前沿技术栈薪资优，但WLB不确定。
适合人群
最适合追求技术成长和前沿领域、能适应快节奏工作的求职者。
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95
工作生活60
使命价值80
薪资福利匹配
75中等
该职位薪资水平预计高于市场平均，但JD未明确薪资和具体福利，补偿性动机满足度良好。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
95较高
职位涉及前沿AI Agent技术栈，包括LLM、RAG、向量数据库等，提供极佳的技术成长机会。
技术前沿前沿/新兴技术
技术栈Go、Python、Docker、Kubernetes、Redis、PostgreSQL、Kafka、LLM、Agent、RAG、向量数据库
业务类型profit_center
工作生活匹配
60中等
仅现场办公，未明确WLB，百度整体工作节奏较快，生活化动机满足度一般。
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
80较高
AI Agent处于高速增长赛道，技术开创性强，但社会影响力中性，意义感动机满足度较高。
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
百度 的其他在招职位
相似职位推荐
Watch Jobs