小米
顶尖应届-智能体研究员-MiMo
顶尖应届-智能体研究员-MiMo
发布于 大约 16 小时前普通员工/个人贡献者
北京市
无经验要求
全职员工
仅现场办公
学历未注明
软件工程
MIMO
大模型
Prompt Engineering
vLLM
AI 估算 · 20k–30k
一线大厂核心岗位，薪资竞争力强，应届生天花板高。
职位详情
关于这个职位
该职位是小米面向顶尖应届生的智能体研究员岗位，专注于Agent平台架构设计、AI-Native开发与Prompt Engineering优化
你将参与从模型到产品的全链路建设，深入探索大模型能力边界，适合对AI Agent有浓厚兴趣且技术栈全面的同学
最低要求
熟悉前端技术栈（React/Vue + TypeScript），能独立完成端到端交付
深入理解大模型Agent范式（ReAct、Function Calling、Tool Use），有实际Agent系统开发经验
熟悉基座大模型的推理部署流程（vLLM/TGI/SGLang），了解模型量化、KV Cache优化等推理加速手段
熟悉 LangChain / LlamaIndex / AutoGen / Dify 等Agent开发框架至少一种
熟悉容器化技术（Docker/Kubernetes），有分布式系统或平台工程经验
工作职责
Agent平台架构与核心能力建设：主导Agent产品从技术选型到架构落地的全周期建设，打造面向大规模用户场景的智能体服务平台
抽象通用Agent能力层，沉淀可复用的任务调度、技能编排、状态管理等基础组件，支撑业务快速接入
围绕MiMo基座模型能力边界设计Agent系统架构，确保模型能力到产品体验的高效转化
AI-Native开发与模型能力探索：深度实践AI辅助编程（VibeCoding），将大模型作为核心生产力工具融入日常开发全流程
前沿探索MiMo模型能力边界，将代码生成、长上下文、多模态理解等基座能力转化为产品侧的差异化体验
持续跟踪开源与自研模型迭代节奏，将新模型能力快速集成至Agent系统
Prompt Engineering与推理链路优化：构建面向复杂业务场景的Prompt体系与上下文管理策略，最大化基座模型输出质量与稳定性
打通模型推理全链路（网关→推理→后处理），与算法团队协同推进模型效果持续调优
参与模型微调（SFT/RLHF/GRPO）数据构建与效果评估，为基座模型的Agent能力进化提供工程支撑
AI 洞察
优缺点分析
优点
- 接触最前沿的大模型Agent技术，实战机会多，技术成长快
- 小米平台资源丰富，MiMo模型为核心，能深度参与模型到产品的全链路
- 团队氛围偏向创新，AI-Native开发理念领先
- 技术栈要求全面，前端、后端、推理、容器化都需要掌握，学习曲线陡峭
- 应届生直接负责架构设计和主导工作，对独立解决问题能力要求高
- 领域迭代极快，需持续跟踪前沿技术，保持学习动力
- 适合技术栈全面、对AI Agent有浓厚兴趣、自驱力强的顶尖应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从Agent工程师成长为AI系统架构师，主导更大规模的智能体平台
- 向算法方向延伸，参与模型微调与效果优化，成为懂工程也懂算法的复合型人才
- 技术管理方向：带领团队攻克AI-Native开发难题，推动产品创新
- 设计和搭建Agent平台架构，构建通用能力层和可复用组件，支撑业务快速接入
- 深度参与AI-Native开发，利用大模型辅助编程并探索模型能力边界，转化为产品体验
- 优化Prompt工程和推理链路，与算法团队协作提升模型效果
- 熟悉前端技术栈（React/Vue + TypeScript），具备端到端开发能力
- 深入理解大模型Agent范式，有实际Agent系统开发经验
- 掌握推理部署流程（vLLM/TGI/SGLang）和容器化技术（Docker/Kubernetes）
申请策略
- 在简历中体现对AI-Native开发的热情，如使用AI辅助编程的案例
- 了解小米MiMo模型的特点，结合自己的思考展示匹配度
- 突出Agent相关项目经验，包括框架使用、系统设计细节
- 强调前端+后端+容器化的全栈能力，用具体案例证明
- 展示对大模型推理部署的理解，如vLLM优化、量化等经验
- 补充LangChain或AutoGen等Agent框架的实操经验
- 学习Kubernetes和分布式系统基础，掌握平台工程思维
面试指南
- 使用STAR法则回答项目经验问题：情境-任务-行动-结果，突出技术深度和思考过程
- 对于架构设计问题，从目标出发，对比不同方案，权衡利弊，给出推荐方案
- 对于技术理解问题，先给出定义，再结合实践举例，最后总结个人见解
- 请描述你设计过的一个Agent系统，包括架构选型和关键决策
- 如何优化大模型的推理延迟？请举例说明vLLM或量化技术的应用
- 如果让你设计一个面向用户的智能体平台，你会考虑哪些非功能需求？
- 谈谈你对ReAct和Function Calling的理解，以及在实际项目中如何选择？
- 你如何看待AI-Native开发？在你的项目中如何实践？
匹配度报告
70
综合匹配度
小米核心岗位，前沿AI Agent技术栈，成长机会极佳但工作强度可能较高。
适合人群
最适合以技能成长和前沿技术为驱动的求职者，愿意为技术挑战付出时间。
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40
使命价值70
薪资福利匹配
75中等
薪资和福利属于大厂中上水平，但具体薪资范围未明确，且应届生起薪存在浮动，整体补偿性较好。
薪资信号未披露（AI估算：20K-30K/月）
成长发展匹配
95较高
职位聚焦前沿AI Agent技术，参与核心平台建设，成长路径清晰，发展性极强。
技术前沿前沿/新兴技术
技术栈Agent、大模型、ReAct、Function Calling、vLLM、LangChain、Kubernetes、MiMo、SFT、RLHF
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及弹性或WLB，且大厂核心岗位通常强度较高。
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
70中等
AI Agent属于高速增长赛道，社会影响力中性，但小米品牌有一定正面价值。
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