趣加
27校招-AI Agent 工程师-多模态
27校招-AI Agent 工程师-多模态
发布于 2 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Langgraph
Prompt Engineering
Rag
值不值得投
74综合评分
综合评分 74
上海校招AI Agent岗，技术栈前沿、成长性强，但补偿性和WLB一般。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
20K
比人工智能中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
55 个在招 · 其中人工智能 4 个
市场机会
选择面较广
上海 · 人工智能 · 约 210 个在招
职位详情
关于这个职位
该职位是趣加公司的校招岗位，专注于AI Agent产品的核心研发
你需要参与设计并实现Prompt工程、工具调用、多Agent协作等模块，并基于Claude等大模型API构建端到端的Agent工作流，同时负责搭建评测体系以提升产品性能
最低要求
AI编程工具重度使用者：熟练使用Claude Code、Cursor、Codex等至少一种AI编程工具，并有真实项目交付经验——不只是补全代码，而是能用Agent完成需求拆解、多文件重构、调试、测试与验证的完整闭环
能清晰讲出自己使用AI编程工具的方法论：如何写好任务描述、如何管理上下文、如何验证AI产出的正确性、什么时候该接管
扎实的编程基础：熟悉Python或TypeScript至少一种，理解常见数据结构与工程化规范（Git、测试、CR）
对大模型有基本认知：了解token、上下文窗口、温度等基础概念，调用过至少一家主流大模型API
工作职责
参与AI Agent产品的核心研发：包括Prompt/Context工程、工具调用（Tool Use / Function Calling）、多Agent协作、记忆与状态管理等模块的设计与实现
基于Claude / GPT / Gemini等大模型API构建端到端的Agent工作流，涵盖RAG、结构化输出、流式交互等常见形态
搭建和维护Agent的评测体系（Evals），通过数据驱动的方式持续提升Agent的任务完成率与稳定性
深度使用AI编程工具完成日常开发，并沉淀团队级的AI协作最佳实践（工作流、Skill、子Agent编排等）
优先资格
有可展示的Agent项目（GitHub仓库、个人产品、比赛作品均可），能说清架构取舍
折腾过MCP、子Agent编排、自定义Skill/Hook、多Agent框架（如LangGraph、AutoGen等）
给AI编程工具或开源Agent项目提过PR / Issue，或写过相关技术博客
有Evals、RLHF数据、模型微调等任一方向的实践经验
有多模态生成模型的使用经验：调用过Seedance、Wan、可灵、Sora、Nano Banana等图像/视频生成模型的API或工作流，了解提示词技巧与生成参数调优，有将生成能力接入Agent流程（如自动出图、视频批量生产）的实践者优先
AI 洞察
优缺点分析
优点
- 身处AI Agent技术前沿，能够深度参与大模型应用开发，技能成长速度快
- 岗位要求明确使用最新AI编程工具，有助于培养未来AI时代的核心竞争力
- 作为校招岗位，公司会提供系统化的培养路径和资源支持
- 技术栈更新极快，需要持续学习和跟进最新的大模型能力和工具链
- 岗位对工程化实践和系统稳定性有要求，对新人的基础能力是考验
- 对AI技术充满热情，乐于钻研并乐于使用最新工具提升效率的应届生
- 具备扎实编程基础，并有强烈意愿投身于大模型应用的最前沿
缺点 / 挑战
- AI Agent是新兴领域，项目可能存在较高的技术不确定性，需要较强的探索和解决问题的能力
角色解读
- 从AI Agent工程师起步，深入Agent架构、评测与优化领域，成为Agent技术专家
- 可向AI平台工程师或AI架构师方向发展，负责构建公司级的AI基础设施和工具链
- 也可专注于AI产品经理角色，结合技术理解定义下一代AI Agent产品
- 负责AI Agent核心模块的设计与实现，包括Prompt工程、工具调用与多Agent协作
- 基于主流大模型API（如Claude）构建完整的Agent工作流，处理RAG、流式交互等任务
- 设计和维护Agent的评测体系，通过数据分析持续优化Agent的性能与稳定性
- 深度实践并推广AI辅助编程的工作流，将AI作为提升个人与团队开发效率的核心工具
- 能够熟练且深入地使用AI编程工具（如Cursor），并形成自己的使用方法论和最佳实践
- 扎实的Python或TypeScript编程能力，熟悉工程化开发流程与规范
- 理解大模型基础原理（Token、上下文等），并具备调用大模型API的实际经验
- 对AI Agent生态有热情，了解RAG、多Agent框架（如LangGraph）等概念
申请策略
- 在简历和面试中，主动展示你如何用AI工具解决问题的‘思考过程’，而不仅仅是结果
- 关注趣加作为游戏公司在AI Agent领域的具体应用场景，思考技术如何与业务结合
- 突出使用Cursor、Claude Code等AI编程工具完成的实际项目经验，描述具体的开发场景和效率提升
- 详细展示个人GitHub上的Agent相关项目，说明项目架构、技术选型和遇到的挑战
- 强调扎实的编程基础，如熟练的Python/TS技能、清晰的代码结构和规范的工程实践（Git、测试）
- 立即上手并精通至少一款主流AI编程工具（如Cursor），并尝试用它完成一个完整的个人项目
- 深入学习一个Agent开发框架（如LangChain、LangGraph），并搭建一个简单的多步任务Agent
- 阅读并复现几个知名的Agent相关论文或开源项目，理解其评测（Evals）方法
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述AI工具使用经历，重点突出“你”的决策和思考过程
- 回答系统设计问题时，先明确核心目标，再拆解Agent模块，最后考虑评测和迭代
- 可结合已了解的框架（如LangGraph）来阐述
- 回答技术挑战类问题时，结合个人观察和实践，从数据、模型、工具、应用场景等多个维度分析，并体现你的思考深度
- 请描述一个你使用AI编程工具（如Cursor）完成的复杂开发任务，你是如何拆解需求、管理上下文并验证结果的？
- 如果让你为一个具体的业务场景（如智能客服）设计一个多Agent协作系统，你会如何规划Agent的职责划分和通信机制？
- 你如何评估一个AI Agent的表现？你会设计哪些指标来衡量其任务完成率和稳定性？
- 你认为当前AI Agent技术最大的瓶颈或挑战是什么？结合你的实践谈谈
职位点评
薪资福利65
成长发展90
工作生活60
使命价值70
薪资福利
65中等
作为校招岗位，薪资处于市场中等水平，但工作地点在上海，生活成本较高，整体补偿性满足程度一般。
薪资信号市场水准 (15K-25K/月)
成长发展
90较高
该职位提供了接触AI领域最前沿技术（Agent、多模态、AI编程工具）的机会，技术成长天花板高，且校招有系统培养路径，发展性动机满足程度极高。
技术前沿前沿/新兴技术
技术栈AI Agent、Prompt Engineering、RAG、Claude API、LangGraph、Evals
业务类型ambiguous
工作生活
60中等
工作地点明确为上海市现场办公，且作为前沿技术岗，工作强度可能不低，生活化动机的满足程度有限。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
AI Agent是行业公认的发展方向，参与前沿产品研发能带来成就感，但具体社会价值在游戏公司背景下可能不那么直接。
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