趣加
27校招-AI Agent 工程师-分析
27校招-AI Agent 工程师-分析
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
Llm
Prompt
Rag
向量数据库
值不值得投
80综合评分
综合评分 80
校招AI工程师岗位，技术前沿、成长性强，但办公和WLB信息待确认。
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
比人工智能中位数高
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
北京 · 人工智能 · 约 430 个在招
职位详情
关于这个职位
这是一个参与AI Agent系统设计与研发的工程师职位，负责基于大语言模型构建Agent工作流，包括任务规划、工具调用、知识检索等能力，并与产品、算法团队协作优化用户体验
适合对AI和游戏有热情的应届毕业生
最低要求
计算机、软件工程、人工智能、数学或相关专业，本科及以上学历
熟练使用Python，具备良好的数据结构、算法和软件工程基础
了解大语言模型基本原理，熟悉Prompt、Function Calling、Tool Use、RAG等常见技术
了解至少一种Agent或大模型应用开发框架，如LangChain、LangGraph、LlamaIndex、AutoGen、Semantic Kernel等
熟悉HTTP、REST API、数据库及常见后端开发方式
具备较强的问题分析、技术学习和独立实践能力
热爱游戏，对市面游戏有了解，对游戏发行、互联网广告或AI技术有浓厚兴趣
对AI Agent方向有持续兴趣，能够主动跟进论文、开源项目和行业进展
工作职责
参与AI Agent系统的设计与研发，包括任务规划、工具调用、记忆管理、知识检索和多智能体协作等能力
基于大语言模型构建Agent工作流，完成Prompt设计、上下文管理、模型调用和效果优化
参与RAG、向量检索、知识库及结构化数据查询能力建设
对接内部系统、第三方API及各类业务工具，提升Agent完成复杂任务的能力
建设Agent评测体系，分析准确率、任务完成率、响应时延、Token成本及稳定性
跟进大模型和Agent领域的新技术，完成技术验证并推动业务落地
与产品、算法及业务团队协作，持续优化Agent的用户体验和实际效果
优先资格
有大模型、Agent、RAG或AI应用相关实习及项目经验
使用过主流大模型API或开源模型，具备模型部署、微调或推理优化经验
熟悉向量数据库、Embedding、重排序或知识图谱技术
了解ReAct、Reflection、Planning、Memory或Multi-Agent等方法
熟悉Docker、Linux、Git及云服务部署流程
在GitHub拥有相关开源项目，或在算法竞赛、人工智能竞赛中取得成绩
AI 洞察
优缺点分析
优点
- 参与前沿AI Agent技术开发，技能成长空间大
- 游戏行业提供具体应用场景，技术可快速落地
- 公司为大型企业，资源和支持相对完善
- 团队协作机会多，能与产品、算法团队紧密合作
- 技术更新迅速，需要持续学习和跟进新趋势
- 工作强度可能因项目需求而波动，需适应快节奏
缺点 / 挑战
- 项目可能涉及复杂系统设计和多智能体协作，技术难度较高
- 适合对AI技术和游戏有浓厚兴趣、喜欢技术挑战、希望快速成长的应届毕业生
角色解读
- 从初级AI工程师成长为AI技术专家，深耕Agent和大模型应用领域
- 转向AI架构师或技术经理，负责更复杂的系统设计和团队协作
- 在游戏行业结合AI技术，探索创新应用场景，成为领域内专家
- 参与AI Agent系统的设计与研发，实现任务规划、工具调用和记忆管理等功能
- 基于大语言模型构建Agent工作流，优化Prompt设计和上下文管理
- 参与RAG和知识检索建设，对接系统API提升任务处理能力
- 建设评测体系并跟进新技术，推动业务落地
- 熟练掌握Python编程，具备扎实的数据结构、算法和软件工程基础
- 了解大语言模型原理，熟悉Prompt工程、Function Calling和RAG等技术
- 熟悉Agent开发框架如LangChain，并能进行后端开发与API对接
- 具备问题分析、技术学习和独立实践能力，对AI Agent有持续兴趣
申请策略
- 研究趣加公司的游戏产品和业务方向，在面试中展现对行业的了解
- 准备技术面试中的算法、系统设计和AI相关问题，注重实战案例
- 突出Python项目经验，尤其是与LLM、Agent或RAG相关的实习或课题
- 展示对Prompt工程、向量数据库等AI技术的理解和实践
- 强调游戏兴趣和行业知识，如有相关经历可详细描述
- 列出技术栈如LangChain、Docker等，并说明应用案例
- 深入学习LLM应用开发框架，如LangChain或LlamaIndex，动手实践项目
- 提升Prompt设计和优化能力，了解RAG系统构建
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验和技术挑战
- 从技术原理、实现步骤和优化策略三个层面回答系统设计问题
- 结合游戏或业务场景，说明技术如何解决实际问题并提升用户体验
- 请描述你对AI Agent的理解，并举例说明其应用场景
- 如何设计一个基于RAG的知识检索系统？
- 你如何优化Prompt以提高大语言模型的任务完成率？
- 请分享一个你使用LangChain或其他Agent框架的项目经验
- 如何评估AI Agent系统的性能，如准确率和响应时延？
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
职位来自大型企业，校招岗位提供有竞争力的薪资和福利，能满足基本补偿需求。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
涉及AI Agent前沿技术，有显著的技能成长和晋升机会，能推动个人在AI领域深入发展。
技术前沿前沿/新兴技术
技术栈Python、LLM、Prompt、RAG、LangChain
业务类型ambiguous
工作生活
60中等
办公模式未明确，可能需现场办公，工作强度和WLB信息不足，生活化动机满足有限。
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
75中等
游戏行业结合AI技术，有一定创新性和社会影响力，能激发工作意义感。
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