趣加
27校招-AI Agent 工程师-数据
27校招-AI Agent 工程师-数据
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
Ai Agent
Autogen
Prompt Engineering
Rag
向量数据库
大模型
游戏行业
值不值得投
73综合评分
综合评分 73
前沿AI技术岗位、游戏业务场景实战、大型企业平台，工作生活平衡未明确。
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
该职位负责参与公司中台AI Agent的建设，专注于游戏数据治理、素材自动化生产和发行投放增长等场景的Agent功能开发与优化
你需要基于大模型技术，完成Agent技能封装、工具调用编排和复杂任务拆解，并持续提升Agent服务的稳定性和效果评估
最低要求
本科及以上学历，计算机、人工智能、软件工程、数据统计等相关专业
深度了解并熟练使用市面主流大模型，掌握Prompt工程、RAG检索增强、向量数据库等核心应用技术
有模型驱动的Agent系统开发、完整Agent项目搭建经历优先
熟悉主流Agent Harness架构体系，清晰认知各组件设计边界与协作逻辑，具备Agent问题排查、调试优化能力，掌握Agent效果评估基本方法
有Agent评测体系设计、多智能体协同开发经验优先
熟练使用Python，熟悉LangChain、Dify、AutoGen等主流Agent开发框架，具备扎实的工程落地思维与实操能力
逻辑缜密、执行力强，能够快速理解业务流程，适配游戏中台Agent化建设节奏与需求
热爱游戏，具备游戏行业认知，了解游戏数据、素材生产、UA发行增长业务场景者优先
工作职责
参与公司中台全系Agent建设，负责游戏数据治理、素材自动化生产、发行投放增长等场景的Agent功能开发与版本迭代
基于大模型完成Agent技能封装、工具调用编排、复杂任务拆解、多轮记忆与自主决策流程搭建，沉淀标准化、可复用的中台Agent工作流体系
基于主流Agent Harness架构，理解各核心组件的设计边界与协同逻辑，负责日常问题定位、功能调试与性能优化，持续提升Agent服务稳定性
参与搭建Agent Eval效果评估体系，制定量化与质效双重评估标准，持续验证、迭代优化Agent输出质量与业务适配能力
对接游戏研发、发行、运营业务需求，输出可落地的智能化解决方案，持续推动业务流程自动化与整体提效降本
优先资格
有模型驱动的Agent系统开发、完整Agent项目搭建经历
有Agent评测体系设计、多智能体协同开发经验
热爱游戏，具备游戏行业认知，了解游戏数据、素材生产、UA发行增长业务场景
AI 洞察
优缺点分析
优点
- 技术前沿：涉及大模型、Agent等新兴AI技术，技能积累有价值
- 业务场景丰富：结合游戏数据治理、自动化生产等实战场景，提升实战经验
- 大型企业平台：有机会参与中台级项目，接触复杂工程体系
- 技术更新快：需要持续学习大模型和Agent框架的最新发展
- 业务理解要求高：需快速融入游戏行业，理解数据、素材等业务流程
- 适合对AI技术有热情、具备编程基础、且对游戏行业感兴趣的应届毕业生或初级工程师
缺点 / 挑战
- 工程落地压力：从开发到优化需保证稳定性和效果，可能面临性能调优挑战
角色解读
- 从初级AI工程师成长为高级工程师或架构师，专精于Agent系统设计
- 转向AI产品经理或技术管理岗位，负责更大规模的智能化项目
- 在游戏AI领域深耕，成为行业专家或推动创新解决方案
- 参与游戏业务场景下的AI Agent开发，负责数据治理、素材自动化等模块
- 基于大模型技术实现Agent功能，包括技能封装、工具调用和任务编排
- 搭建和优化Agent效果评估体系，确保输出质量与业务适配
- 对接业务需求，推动流程自动化，提升整体效率
- 掌握大模型应用技术，如Prompt工程、RAG和向量数据库
- 熟悉主流Agent开发框架（如LangChain、Dify、AutoGen）和Python编程
- 了解Agent Harness架构，具备调试、优化和效果评估能力
- 具备游戏行业认知和业务理解能力，能快速适配需求
申请策略
- 面试前研究游戏行业的中台AI化趋势，了解趣加的产品和业务
- 准备展示Agent项目案例，重点说明问题解决和优化过程
- 突出AI Agent或大模型相关项目经验，展示技术实操能力
- 强调Python编程和LangChain、Dify等框架的使用经历
- 如有游戏相关实习或项目，重点描述业务理解和自动化成果
- 深入学习Agent Harness架构和评估体系设计方法
- 补充游戏行业知识，了解数据治理、UA发行增长等场景
- 实践多智能体协同开发，提升工程落地和调试能力
面试指南
- 使用STAR方法：描述情境、任务、行动和结果，突出技术决策和业务影响
- 强调动手能力：展示代码、架构设计或优化案例，证明工程思维
- 结合业务视角：说明技术如何解决游戏业务中的具体问题
- 请介绍一个你参与的Agent开发项目，遇到了哪些技术挑战？
- 如何设计Agent的效果评估体系？
- 在游戏数据治理场景中，你会如何利用大模型技术？
- 谈谈你对Agent Harness架构的理解
- 复习大模型和Agent的核心概念，如RAG、工具调用编排
职位点评
薪资福利70
成长发展85
工作生活60
使命价值65
薪资福利
70中等
薪资未在JD中披露，但基于岗位层级和城市市场水平，可能处于中等偏上；福利信息未提及。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿大模型和Agent技术，提供深度学习机会；有项目迭代和业务落地要求，利于技能成长。
技术前沿前沿/新兴技术
技术栈大模型、Agent、LangChain、Dify、Python
业务类型profit_center
工作生活
60中等
JD未明确办公模式、WLB信号或通勤信息，无法判断工作灵活性和生活平衡状况。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
游戏行业相对稳定成熟，AI技术应用带来创新感；但JD未突出社会使命或长期愿景。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs