传音
资深LLM/Agent算法专家(J20181)
资深LLM/Agent算法专家(J20181)
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
上下文管理
个性化
多Agent系统
大模型推理
用户体验
系统架构设计
值不值得投
74综合评分
综合评分 74
技术驱动的前沿AI岗位，成长空间巨大但WLB信息缺失。
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
4.5万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 480 个在招 · 其中机器学习工程 4 个
市场机会
选择面较广
深圳 · 机器学习工程 · 75 个在招
职位详情
关于这个职位
该职位是传音面向手机终端研发下一代个人智能体（Agent）的核心算法专家
你将负责设计和开发从传统语音助手升级而来的、能理解用户、规划任务、调用工具并操作应用的个人Agent系统，参与从技术架构、核心算法到产品落地的完整过程
最低要求
年以上计算机科学或相关领域的科研经验，水平过硬，眼界广阔，有良好的Agent产品品味
面对问题能够独立分析并提出自己的 idea，具备主动推动业务落地的能力
具备较深入的 Agent 系统研发经验，熟悉以下核心机制及其技术原理：Agent Loop、Tool Use / Function Calling、Skills、MCP、Memory、Subagent
需要真正参与过 Agent 系统的设计、开发或落地
具备优秀的问题分析和抽象能力，能够快速识别复杂问题的关键矛盾
工作职责
负责手机语音助手向个人 Agent 产品演进过程中的核心技术架构设计与研发，包括但不限于：Agent Runtime 与 Agent Harness 架构设计
Skills、MCP、Subagent 与 Multi-Agent 协作机制
长短期 Memory、用户画像及个性化上下文管理
手机端与云端 Agent 能力的协同与编排
结合个人 Agent 的实际产品需求，理解主流大模型推理 Infra 的基本原理，能够与模型、推理平台、客户端及系统团队共同定位和解决复杂问题，包括但不限于：Prefix Cache缓存机制
上下文管理、上下文裁剪、压缩和复用
推理成本、延迟、吞吐和效果之间的平衡
基于用户反馈和线上日志推动 Agent 能力持续迭代和自进化
不仅关注模型单轮回答质量，更关注端到端任务完成率、执行正确率、交互成本和用户体验
优先资格
具备以下经验之一者优先：
参与过手机语音助手、个人助理或系统级 Agent 产品研发
具备端侧大模型、模型量化、端云协同或移动端 AI 研发经验
有高质量开源项目、技术博客、论文、专利或行业影响力
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与下一代个人AI助手的研发，工作内容处于大模型和Agent技术的最前沿
- 产品闭环：能完整经历从技术架构、核心算法到产品落地的全过程，获得宝贵的产品级系统开发经验
- 技术难度高：需要平衡模型效果、工程稳定性、端侧资源限制和用户体验，对系统设计能力要求极高
- 适合拥有5年以上AI系统开发经验，对LLM和Agent技术有深刻理解，并渴望将前沿技术落地到亿万级用户产品的技术专家
- 你既需要扎实的工程能力，也需要对用户体验的敏感度和产品化思维
缺点 / 挑战
- 场景独特：在手机端这一巨大用户量的场景下探索Agent应用，技术挑战和影响力并存
- 跨团队协作复杂：工作涉及算法、推理平台、客户端、系统等多个团队，沟通和推动成本较高
- 产品化挑战：将学术界的Agent概念转化为稳定可靠、用户真正爱用的手机产品，存在不小差距
角色解读
- 从资深算法专家成长为AI系统架构师，负责更全局的技术方向规划
- 成为Agent或手机AI领域的产品技术负责人，深度影响下一代智能终端产品的形态
- 积累行业影响力，通过论文、专利或开源项目成为领域内的技术权威
- 设计和主导手机端个人Agent产品的核心技术架构，包括Agent运行时、多Agent协作和记忆系统
- 深入优化大模型推理基础设施，解决如缓存、上下文管理、成本与性能平衡等实际工程问题
- 基于用户数据和日志，持续驱动Agent核心能力的迭代，关注端到端任务完成率和用户体验
- 具备深厚的LLM和Agent系统原理知识，熟悉Agent Loop、Tool Use、Memory等核心机制
- 拥有将前沿AI技术转化为稳定、可扩展的生产级系统的工程能力和产品品味
- 具备优秀的问题抽象与分析能力，能跨团队协作（模型、推理、客户端、系统）解决复杂问题
申请策略
- 深入研究传音在AI和智能助手领域已有的产品（如XOS中的智能功能）和技术布局，思考你如何能贡献价值
- 在面试中主动展示你对‘手机端个人Agent’产品形态的独立思考和愿景，而不仅是回答技术问题
- 详细阐述你参与过的Agent或LLM相关系统项目，明确你在其中的具体角色、技术选型和解决的关键问题
- 突出展示你的技术影响力，如高质量的论文、专利、技术博客或有影响力的开源项目
- 强调你跨团队协作推动技术方案从设计到落地的经验，体现主动性和推动力
- 深入研究手机端侧大模型的优化技术，如量化、剪枝和端云协同架构，这是该岗位的重要加分项
- 熟悉主流大模型推理框架（如vLLM, TensorRT-LLM）及其优化原理，了解Prefix Cache等技术细节
- 关注用户体验和产品设计，思考如何将技术能力转化为用户可感知的智能交互
面试指南
- 采用“背景-目标-行动-结果”的结构讲述项目经验，重点突出你在架构设计和解决核心矛盾上的思考
- 回答设计问题时，先明确目标（如可靠性、延迟、成本），再分模块（感知、规划、执行、记忆）阐述设计方案，最后说明如何评测和迭代
- 技术原理问题结合实践，从理论出发，说明在实际系统中的权衡、踩过的坑和最终的解决方案
- 请描述一个你主导设计的复杂AI系统架构，面临的主要挑战以及你是如何解决的？
- 如果要为手机设计一个能自主操作App完成订餐任务的Agent，你会如何设计它的架构、记忆系统和工具调用流程？
- 在大模型推理中，如何平衡响应延迟、计算成本和输出质量？请结合你的经验举例说明
- 你如何看待当前多Agent协作系统（如AutoGen, CrewAI）的优缺点？如果要为手机场景设计，你会如何改进？
- 系统梳理Agent和LLM推理的核心知识，能清晰地画出Agent Loop流程并解释每个环节的技术要点
职位点评
薪资福利65
成长发展95
工作生活55
使命价值80
薪资福利
65中等
该职位作为资深技术专家岗位，在一线城市应有具备竞争力的薪酬福利，但JD未明确薪资和具体福利细节，补偿性满足程度中等偏上。
薪资信号面议 (3千–6万/月)
成长发展
95较高
该职位处于大模型与Agent技术前沿，涉及从架构到落地的完整链路，能提供极佳的技术深度与广度成长空间，对技术探索欲有极强吸引力。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Multi-Agent、Memory、Tool Use、MCP、大模型推理Infra、Prefix Cache
成长机会参与从技术架构、核心算法、工程系统到产品落地的完整过程、推动 Agent 能力持续迭代和自进化
业务类型profit_center
工作生活
55较低
JD未明确提及办公模式和WLB相关信息，作为核心研发岗位且涉及跨团队协作，现场办公可能性较高，工作生活平衡情况不明。
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
80较高
该职位致力于将AI前沿技术落地到亿万级用户的手机产品上，具有明确的商业目标和技术革新意义，行业前景广阔。
行业发展高速增长赛道
社会影响中性/一般
使命信号研发面向手机终端的下一代智能产品、从传统语音助手升级为真正理解用户...的个人Agent
创新程度开拓性创新（行业首创）
Watch Jobs