微博
智搜多Agent架构工程师
智搜多Agent架构工程师
发布于 大约 24 小时前普通员工/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
Multi-Agent
Prompt工程
Rag
分布式系统
向量数据库
大模型
性能调优
架构设计
值不值得投
70综合评分
综合评分 70
技术驱动型架构岗，在AI搜索前沿领域有巨大成长空间，但WLB信息缺失需面试时确认。
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
25K
比算法优化工程师中位数低
发布情况
新岗位 · 今天发布
市场机会
选择面较广
北京 · 算法优化工程师 · 约 180 个在招
职位详情
关于这个职位
该职位是微博AI搜索部门的多Agent架构工程师，核心负责设计与研发面向AI搜索场景的多Agent协作系统
工作将涉及从任务拆解、Agent调度、状态管理到结果聚合的全链路架构设计与核心模块开发，并需要处理高并发、数据链路、Prompt工程及线上系统稳定性等挑战
这是一个将AI大模型与分布式系统工程深度结合的岗位
最低要求
计算机相关专业本科及以上学历，211/985院校优先
年以上后端系统或基础架构研发经验，熟练掌握Python，具备扎实的算法与数据结构功底
有C/C++或Go经验者加分
有高并发分布式系统研发经验，具备性能调优与问题排查能力
熟悉主流存储技术，包括Redis等缓存/内存数据库，以及Milvus、Faiss、Qdrant等向量检索引擎
良好的沟通表达能力，逻辑清晰，具备跨团队协作意识
工作职责
负责设计与实现面向AI搜索场景的多Agent协作框架，涵盖任务拆解、Agent调度编排、状态管理与结果聚合等核心模块
构建高效的Agent任务分发与调度系统，支持多Agent并行执行、动态路由、优先级管理与异常容错，保障系统在高并发场景下的稳定性与吞吐效率
设计并优化数据链路与Prompt工程体系，建立可迭代的提示词管理机制，持续提升大模型在搜索场景下的响应质量与效率
建设风险控制与可观测性体系，包括内容安全管控、Agent行为审计、异常监控与链路追踪，保障线上系统可靠运行
优先资格
有大模型应用相关工作经验，了解LLM推理流程与Prompt工程实践
有Multi-Agent框架设计或落地经验（如LangGraph、AutoGen、CrewAI等），理解Agent工具调用（Tool Use）、记忆管理、规划推理（ReAct/CoT）等核心机制
有RAG（检索增强生成）系统设计或搜索系统研发经验者优先
AI 洞察
优缺点分析
优点
- 直接参与微博AI搜索核心系统的建设，处于AI大模型应用的前沿领域
- 岗位职责聚焦于系统架构设计，能深入锻炼解决复杂工程问题的能力
- 作为大型科技公司的技术岗，能接触到行业顶级的技术栈和工程规范
- 多Agent系统的复杂性很高，涉及调度、状态、容错等多个维度，设计难度大
- AI技术和框架迭代迅速，需要持续学习以保持技术竞争力
缺点 / 挑战
- 微博平台日活用户量大，系统面临真实的高并发挑战，对个人技术深度是极好的锤炼
- 系统直接服务于搜索核心场景，对性能和稳定性要求极高，线上压力大
- 适合对AI应用架构有浓厚兴趣，具备扎实后端系统开发能力，并乐于解决高复杂度技术挑战的工程师
角色解读
- 在AI应用架构领域深耕，成为多Agent系统或AI搜索方向的技术专家
- 随着系统复杂度和团队规模增长，可向技术负责人或架构师角色发展
- 持续跟进LLM和Agent领域的前沿技术（如具身智能），保持技术领导力
- 负责设计微博AI搜索中多个AI Agent如何协同工作的整体技术框架
- 开发Agent任务的调度与分发引擎，确保它们在高并发下稳定、高效地运行
- 负责构建和优化Prompt管理链路，让大模型在搜索场景给出更好结果
- 搭建系统的监控、审计和安全体系，保障线上AI系统可靠运行
- 需要扎实的Python编程能力、算法基础和后端系统架构经验
- 需要高并发分布式系统的研发和调优经验，熟悉Redis、向量数据库等技术
- 需要理解大模型（LLM）应用原理，熟悉Prompt工程，并有相关项目实践
- 了解Multi-Agent系统（如LangGraph、AutoGen等）的机制与设计，或有RAG系统开发经验为佳
申请策略
- 研究微博搜索的产品形态和现有技术挑战，在面试中可以针对性提出思考
- 准备一个体现你架构设计能力的项目案例，重点讲解遇到的问题、设计决策和最终成果
- 重点突出在高并发、分布式系统中的设计与开发经验，量化其规模或效果
- 详细描述参与或主导过的AI/大模型相关项目，特别是涉及Agent、RAG或Prompt工程的部分
- 清晰阐述对Multi-Agent框架（如LangGraph）的理解和实践，展示技术深度
- 列出对Redis、向量数据库（Milvus等）等关键组件的熟练使用经验
- 深入研究1-2个主流的Multi-Agent框架（如AutoGen、CrewAI），并尝试搭建小型Demo
- 系统性地学习和实践Prompt Engineering高级技巧，并在自己的项目中应用
面试指南
- 对于架构设计问题，遵循“背景-挑战-方案设计-关键技术点-结果与反思”的结构来阐述
- 对于系统设计问题，先明确核心需求和约束，再从整体架构、核心模块、数据流、容错等角度展开
- 对于技术概念问题，先给出清晰定义，再结合具体应用场景说明其价值和实践难点
- 请介绍一个你设计或参与的多Agent/分布式系统，重点讲讲架构设计和你解决的关键问题
- 在高并发场景下，如何设计一个Agent任务调度系统来保证稳定性和效率？
- 如何设计一个可迭代、可管理的Prompt工程体系？
- 请描述你对RAG系统的理解，以及如何评估和优化一个RAG系统的效果？
- 如何监控和保障线上多Agent系统的稳定运行？遇到Agent异常或死循环怎么处理？
职位点评
薪资福利65
成长发展92
工作生活45
使命价值78
薪资福利
65中等
该职位为上市公司技术岗，薪资在市场中有一定竞争力，但JD未明确提及具体福利待遇。
薪资信号市场水准 (18K-32K/月)
成长发展
92较高
该职位涉及多Agent、LLM等前沿技术领域，对技术深度和广度要求高，成长信号明确，是极佳的技术成长平台。
技术前沿前沿/新兴技术
技术栈Python、LLM、Multi-Agent、RAG、Prompt工程、分布式系统、向量检索
成长机会持续提升、可迭代的
业务类型profit_center
工作生活
45较低
JD未提及任何关于工作时间、远程办公或福利的信息，对于工作生活平衡的信号十分有限。
工作模式未明确
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
78中等
参与AI搜索这一影响数亿用户的产品核心能力建设，具有明确的业务价值和技术挑战，能带来较强的成就感。
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