百度
2027AIDU-智能体算法工程师(J99969)
2027AIDU-智能体算法工程师(J99969)
发布于 2 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
硕士
强化学习
RAG
大语言模型
Prompt Engineering
PPO
AutoGen
MCTS
Fine-tuning
AI 估算 · 30k–50k
百度核心算法岗，AI Agent是前沿方向，硕士起薪较高，北京互联网大厂薪资带.
职位详情
关于这个职位
该职位是百度AIDU项目面向应届硕士/博士的智能体算法工程师岗，聚焦AI Agent的研发与落地
你将参与感知-决策-执行闭环、多智能体协作及前沿范式（ReAct、AutoGPT等）的研究，使用LangChain等框架，推动Agent在搜索、对话、办公等场景规模化应用，并建设评测体系
适合对LLM、Agent技术有热情、具备扎实工程和算法背景的候选人
最低要求
计算机、人工智能等相关专业硕士及以上学历
熟悉大语言模型原理及应用，具备Prompt Engineering、Fine-tuning等实践经验
掌握LangChain、LlamaIndex、AutoGen等至少一种Agent开发框架
具备良好的工程实现能力，能够将算法快速落地为可用系统
工作职责
负责AI Agent的设计与研发，包括感知-决策-执行闭环、多智能体协作、长期记忆与推理机制
研究ReAct、AutoGPT、CoT等前沿范式，熟练掌握LangChain、AutoGen、CrewAI等Agent开发框架
优化大模型在Agent任务中的规划、工具调用、反思、代码生成等核心能力
推动Agent在搜索、对话、办公、数据平台、网盘文库、生活娱乐等产品场景中的规模化应用
探索RAG与Agent融合架构，提升知识理解与行动能力的协同效果
建设Agent评测体系，持续优化成功率、响应延迟、成本及用户体验
优先资格
有RAG、知识库构建、多Agent协同开发经验者优先
熟悉强化学习（如PPO、DPO）或规划算法（如A*、MCTS）者优先
有顶会论文或开源Agent项目贡献者优先
AI 洞察
优缺点分析
优点
- AI Agent是2025年最前沿技术方向之一，技能积累含金量高，行业前景广阔
- 百度作为国内AI龙头，平台资源丰富，可参与大规模应用落地，提升实战经验
- AIDU项目专为校招生设计，有完善的培养体系和导师带教，成长速度快
- Agent技术仍处于早期探索阶段，许多问题没有成熟方案，需要较强的创新和迭代能力
- 适合对AI Agent充满热情、具备扎实算法和工程基础、渴望在技术前沿快速成长的应届硕士/博士
缺点 / 挑战
- 技术难度较高，需同时掌握LLM、Agent框架、强化学习等多领域知识，学习曲线陡峭
- 互联网大厂工作节奏快，可能存在加班压力，需具备较强的抗压能力
角色解读
- 从Agent算法工程师起步，逐步成为Agent系统架构师或技术Lead
- 可向大模型训练、多模态AI或AI产品方向拓展，成为AI领域专家
- 百度内部有清晰的晋升通道，可往T序列高级工程师或管理方向发展
- 设计并研发AI Agent系统，实现感知-决策-执行闭环及多智能体协作能力
- 研究ReAct、AutoGPT等前沿范式，并应用LangChain等框架开发Agent应用
- 优化大模型在Agent任务中的规划、工具调用、反思等核心能力，并推动规模化落地
- 建设Agent评测体系，持续提升成功率、响应速度及用户体验
- 扎实的编程能力（Python）和工程实现能力，能将算法快速落地为系统
- 深入理解大语言模型原理，有Prompt Engineering和Fine-tuning实践经验
- 掌握至少一种Agent开发框架（LangChain、AutoGen等），熟悉RAG和知识库构建
- 对强化学习（PPO、DPO）或规划算法（A*、MCTS）有了解者优先
申请策略
- 了解百度AIDU项目的特点和培养体系，在面试中表达匹配度
- 关注电商、健康等业务线（JD中提到的部门），思考Agent在这些场景的具体应用，展示业务理解
- 突出大语言模型相关项目经验，如LLM应用开发、Fine-tuning、RAG系统等
- 详细描述Agent开发经历（如使用LangChain/AutoGen构建多Agent系统），附上GitHub链接
- 如有顶会论文或开源贡献，务必列出，尤其是Agent、LLM方向
- 展示工程实现能力，如将算法部署到生产环境的案例
- 系统学习LangChain、AutoGen等框架，动手搭建一个完整的Agent demo
- 补充强化学习基础知识，理解PPO、DPO等算法原理
面试指南
- 先阐述核心概念，再结合实际项目经验，最后给出改进思路或创新点
- 面对开放设计题，先明确问题边界，分模块给出方案，体现系统思考
- 回答项目经验时用STAR法则，突出个人贡献和量化成果
- 请解释ReAct范式的工作原理，并设计一个基于ReAct的Agent系统
- 如何优化大模型在Agent任务中的工具调用准确率？请举例
- RAG和Agent如何融合？谈谈你的理解
- 你参与过的Agent项目中遇到的最大挑战是什么？如何解决？
- 介绍你熟悉的一种强化学习算法（如PPO），并说明其在Agent训练中的应用可能
匹配度报告
71
综合匹配度
百度AIDU智能体算法岗，前沿技术栈、高成长性，但WLB一般。
适合人群
适合追求技术前沿、希望快速成长、对薪资和平台有较高要求，且能接受较快工作节奏的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活40
使命价值75
薪资福利匹配
80较高
百度作为上市大厂，薪资水平有竞争力，但JD未明确披露薪资与福利，推测为行业上游水平。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
Agent是AI前沿方向，技术成长空间极大，AIDU项目有完善培养体系，但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈大语言模型、LangChain、AutoGen、RAG、强化学习、PPO、MCTS、Agent、Prompt Engineering、Fine-tuning
业务类型profit_center
工作生活匹配
40较低
岗位要求现场办公，JD未提及WLB相关福利，互联网大厂通常工作节奏较快，生活平衡可能一般。
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
AI Agent是高速增长赛道，技术影响力大，但JD未提及社会价值或使命感，偏向商业应用。
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