微信
企业微信-大模型算法工程师-Agent应用（广州/北京）
企业微信-大模型算法工程师-Agent应用（广州/北京）
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Llm
Multi-Agent
Rag
Rl
Sft
上下文工程
大模型
提示工程
值不值得投
80综合评分
综合评分 80
前沿大模型算法岗，技术成长性强，平台好，WLB待定。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
45K
比算法优化工程师中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
12 个在招 · 其中算法优化工程师 6 个
市场机会
选择不多
广州 · 算法优化工程师 · 7 个在招
职位详情
关于这个职位
该职位是企业微信团队的大模型算法工程师，专注于Agent应用方向
主要负责构建具备自主决策和工具调用能力的多智能体系统，推动大模型从对话式AI向任务执行体演进，以解决企业自动化经营和服务中的复杂问题
工作涉及大模型推理优化、Agent架构设计与落地，以及企微现有能力的Agent化改造
最低要求
计算机、机器学习等相关专业，硕士及以上学历，具备扎实的计算机与算法基础
对大模型和Agent有较深入理解：熟悉主流Agent架构与范式（Multi-Agent架构，ReAct / Plan-and-Act / CodeAct等推理-行动范式）、上下文工程与管理（Context Engineering / Management）
熟悉常见的LLM应用范式、提示工程、评估框架、Agent框架与检索（RAG）框架
具备多智能体系统、复杂任务Agent、办公/经营服务场景的落地经验，或熟悉Post-training（SFT、RL）训练优化者优先
在ACL、EMNLP、NeurIPS等顶尖会议上发表过论文，或为优秀机器学习开源项目做出过贡献者优先
工作职责
负责构建具备自主决策、协作与工具调用能力的多智能体系统（Multi-Agent System），推动大模型从“对话式 AI”向“任务执行体”演进，解决自动化经营、服务等复杂场景下的自动化问题
深入研究并应用 LLM 的复杂推理技术，持续优化办公场景中长链路、高难度任务的执行效果，赋予 Agent 独立探索与解决问题的能力
主导企微现有能力的 Agent 化改造与对外能力开放，推动 Agent 在企业对外服务、内部经营等复杂场景中的深度落地
运用规划、推理与上下文工程等方法，提升大模型的指令遵循能力，以及知识边界探索与抗干扰能力
优先资格
具备多智能体系统、复杂任务Agent、办公/经营服务场景的落地经验，或熟悉Post-training（SFT、RL）训练优化者优先
在ACL、EMNLP、NeurIPS等顶尖会议上发表过论文，或为优秀机器学习开源项目做出过贡献者优先
AI 洞察
优缺点分析
优点
- 处于大模型和Agent技术前沿，能接触到行业最先进的技术和复杂场景
- 依托微信平台，拥有庞大的用户基础和丰富的落地场景，技术价值易显化
- 大公司资源支持，有利于技术探索和项目推动
- 技术难度高，需要持续学习和跟踪大模型领域的最新进展
- 竞争激烈，需要应对快速迭代的技术环境和业务需求
- 适合对AI和Agent技术有浓厚兴趣、具备扎实算法基础、追求技术深度和创新的求职者
缺点 / 挑战
- 项目复杂度大，涉及多系统集成和落地，可能面临较高工程挑战
角色解读
- 可向高级算法专家或技术负责人方向发展，专注于大模型与Agent的前沿研究
- 有机会主导大型项目，推动企业微信智能化升级，成为领域内的技术权威
- 在行业积累后，可转向AI产品经理或创业，将技术应用于更广泛的场景
- 设计并构建多智能体系统，使大模型能够自主决策和执行复杂任务
- 研究和优化大模型的推理技术，提升在办公场景中的任务执行效果
- 主导企业微信现有功能的Agent化改造，推动在企业服务和经营中的落地应用
- 深入掌握大模型和Agent相关理论，熟悉主流Agent架构（如ReAct、Plan-and-Act）
- 具备上下文工程、提示工程和RAG框架的实践经验
- 有Post-training（SFT、RL）经验或顶尖会议论文发表记录者更具优势
申请策略
- 在投递前，深入了解企业微信的业务和产品，思考Agent如何赋能其场景
- 准备面试时，复盘自己主导的技术项目，能清晰阐述设计思路和成果
- 突出大模型、Agent相关项目经验，如多智能体系统设计、RAG应用等
- 列出在ACL、EMNLP等顶会的论文发表或知名开源贡献，证明技术能力
- 强调在办公或企业服务场景的落地经验，展示解决复杂问题的能力
- 深化对Agent架构和范式（如ReAct、CodeAct）的理解，可通过实践项目巩固
- 学习最新的上下文工程和提示工程技术，关注大模型评估框架
- 如果缺少Post-training经验，可自学SFT、RL相关课程并尝试小项目
面试指南
- 对于技术概念问题，先定义核心概念，再结合具体案例说明应用和效果
- 对于项目经验问题，使用STAR框架（情境、任务、行动、结果），突出技术难点和解决方案
- 对于开放性问题，从问题分析、方法选择、实施步骤和结果评估等角度结构化回答
- 请解释一下多智能体系统（Multi-Agent System）的架构和优势
- 在办公场景中，如何优化大模型的长链路任务执行效果？
- 你如何应用上下文工程（Context Engineering）来提升Agent的指令遵循能力？
- 描述一个你主导的Agent相关项目，遇到了哪些挑战，如何解决的？
- 对于Post-training中的SFT和RL，你有什么实践经验或见解？
职位点评
薪资福利85
成长发展90
工作生活60
使命价值80
薪资福利
85较高
大型企业上市平台，算法岗位薪资竞争力较强，提供稳定的雇佣关系。
薪资信号偏高 (30K-60K/月)
成长发展
90较高
岗位涉及大模型和Agent前沿技术，有丰富的学习与成长空间，适合追求技术深度的求职者。
技术前沿前沿/新兴技术
技术栈大模型、Agent、Multi-Agent、LLM、RAG、SFT、RL、上下文工程
业务类型ambiguous
工作生活
60中等
JD未明确提及办公模式或工作时间安排，推断可能需要现场办公，工作生活平衡情况不确定。
工作模式未明确
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
80较高
推动企业数字化和智能化，具有一定的社会价值，行业处于增长赛道。
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
微信 的其他在招职位
相似职位推荐
Watch Jobs