百度
2027AIDU-Agent应用全栈工程师-健康事业部(J99975)
2027AIDU-Agent应用全栈工程师-健康事业部(J99975)
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
学历未注明
全栈
RAG
大模型
AI Agent
Multi-Agent
Tool Learning
百度健康
AI 估算 · 35k–55k
稀缺的Agent方向需求旺盛，百度大厂薪资有竞争力，工作3-5年中级工程师水平
职位详情
关于这个职位
该职位隶属于百度健康事业部，负责构建基于大模型的自主Agent系统，实现从对话工具到任务执行智能体的进化
你将设计规划-执行-反思闭环，搭建Tool/Memory/Reasoning等核心能力，并探索多Agent协作及RAG+Agent融合架构
适合对AI Agent有深度热情、不满足于简单API调用的全栈工程师
最低要求
不满足于“调用 API”，而是想重新定义软件如何被构建（Software 2.0 / Agent-first）
对“让 AI 像人一样完成复杂任务”这件事有执念
喜欢动手做实验、快速迭代，而不是只停留在论文或概念
愿意在一个高速变化、没有标准答案的领域中探索
深度使用过大模型（如 GPT / Claude / Gemini 等），理解其能力边界与局限性
做过 AI Agent / 自动化工具 / 智能助手相关项目（课程 / 自发项目均可）
使用过任一 Agent 框架（如 LangChain / LlamaIndex / AutoGen / CrewAI 等）
对“如何让 AI 完成复杂任务”有强烈兴趣，甚至有自己的方法论或实验
工作职责
构建下一代基于大模型的 Autonomous Agent 系统，让 AI 从“对话工具”进化为“可执行任务的智能体”
设计复杂任务的 规划（Planning）—执行（Acting）—反思（Reflection）闭环，提升 Agent 的自主决策能力
搭建 Agent 的核心能力体系，包括：Tool / API 调用（函数调用体系）、长短期记忆（Memory）机制、多轮推理与状态管理（Reasoning & State）
探索并落地 多Agent协作（Multi-Agent Systems），解决复杂业务问题（如自动化流程、复杂决策、智能运营等）
深度参与 RAG（检索增强生成）+ Agent 融合架构设计，构建具备知识理解与行动能力的系统，推动 Agent 在真实场景中的应用落地（如搜索、医疗、企业服务、数据分析、自动化办公等）
参与 Agent 系统的评测体系建设（Eval），优化智能体的：成功率 / 稳定性、成本（Token / 调用）、延迟与用户体验
持续跟踪前沿方向（如 Tool Learning、Self-Improvement、长期记忆、World Model、多模态 Agent），并进行工程化落地
AI 洞察
优缺点分析
优点
- 身处AI最前沿的Agent赛道，技术含量高，职业天花板高
- 百度大厂平台，资源丰富，有机会接触大规模业务场景
- 健康事业部结合医疗健康，应用场景广阔且具有社会价值
- 技术不确定性高，没有成熟方案可参考，需要大量探索和试错
- 对综合能力要求高，既要懂AI又要懂工程，学习曲线陡峭
- 前沿领域竞争激烈，需要持续跟踪最新论文和开源项目
缺点 / 挑战
- 团队鼓励创新和实验，适合喜欢挑战的技术极客
- 适合对AI Agent有强烈好奇心、享受从0到1构建系统、不惧挑战的全栈工程师
角色解读
- 深耕AI Agent技术，成为该领域的专家或架构师
- 向技术管理方向发展，带领Agent团队攻克复杂业务问题
- 横向拓展至多模态、世界模型等前沿方向，保持技术领先
- 设计并实现大模型驱动的自主Agent系统，包括任务规划、工具调用、记忆管理等核心模块
- 构建多Agent协作框架，解决自动化流程、复杂决策等实际业务问题
- 融合RAG与Agent技术，提升系统的知识理解与行动能力，推动落地应用
- 参与Agent评测体系建设，从成功率、成本、延迟等维度优化系统性能
- 深入理解大模型（如GPT/Claude）的能力边界与应用局限性
- 熟练掌握至少一种Agent框架（LangChain/LlamaIndex/AutoGen等）
- 具备全栈开发能力（后端为主，兼修前端），能独立搭建Agent系统
- 较强的工程化和实验精神，快速迭代验证想法
申请策略
- 展示你对Agent-first理念的理解，而非单纯罗列技术栈
- 了解百度健康业务方向，思考Agent在医疗健康场景的落地可能
- 突出AI Agent相关项目经验，包括设计思路、技术选型与成果
- 详细描述使用大模型和Agent框架的实践，如Tool Call、Memory等
- 强调动手能力和迭代速度，附上GitHub或Demo链接
- 如有相关论文、博客或技术分享，需重点展示
- 深入学习主流Agent框架（LangChain、AutoGen等），动手搭建一个小型Agent
- 阅读经典论文（如ReAct、Toolformer、Reflexion等），理解原理
面试指南
- 先明确问题核心，再分层阐述：比如从系统架构、关键技术挑战、实际方案对比等角度
- 结合具体项目经验说明你遇到的问题和解决方案，突出思考过程
- 展示对前沿技术（如Tool Learning、Self-Improvement）的了解，体现持续学习
- 请讲一个你构的Agent系统，包括规划、记忆、工具调用如何设计？
- 你如何看待Planning-Acting-Reflection闭环？如何避免Agent陷入死循环？
- Multi-Agent系统中如何处理Agent间的通信与冲突？
- RAG与Agent融合的关键挑战是什么？如何保证知识检索的准确性？
- 如何评估一个Agent系统的性能？你会关注哪些指标？
匹配度报告
74
综合匹配度
百度健康Agent全栈工程师，前沿技术、高成长性，但工作强度和生活平衡可能一般
适合人群
最适合追求技术前沿、渴望深度成长的发展型求职者
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90
工作生活60
使命价值70
薪资福利匹配
75中等
百度大厂薪资福利在行业内有竞争力，但JD未明确披露具体待遇和福利细节，面试时可进一步了解
薪资信号未披露（AI估算：35K-55K/月）
成长发展匹配
90较高
该职位聚焦最前沿的AI Agent技术，具有极强的技术成长性，且百度健康业务提供了丰富的应用场景
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、Multi-Agent、LangChain、Memory、Tool Learning
业务类型ambiguous
工作生活匹配
60中等
JD未提及远程或弹性办公，百度作为大厂可能存在一定工作强度，但未明确说明
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
70中等
健康事业部涉及医疗健康领域，具有积极社会意义，Agent技术本身也具有推动行业变革的潜力
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs