Agent算法工程师

优缺点分析

角色解读

• 可在机器人 Agent、任务规划与大模型应用方向持续深耕，成长为算法专家或系统架构负责人
• 随着落地经验积累，可扩展到多机器人协同、具身智能、自主决策等更高复杂度方向
• 兼具算法与工程能力后，也有机会转向技术管理或跨团队项目负责人角色
• 构建机器人 Agent 模型与系统，使机器人具备任务规划、调度、自主恢复和持续学习能力
• 设计任务执行闭环，对接机器人能力层 Skill 接口，实现状态机、动态重规划与异常事件处理
• 构建 Agent 框架，协同模型、工具与运行环境，并推动能力在真实机器人上落地
• 探索自主决策、自主恢复、多阶段任务执行等方向，提升机器人在复杂场景下的适应性
• 扎实的 Python/C++ 工程能力，理解异步任务调度、服务化实现和可观测性
• 熟悉状态机、图规划与任务规划算法，能处理障碍物、低电量、离线、用户干预等异常
• 具备开源 LLM 本地部署经验，熟悉 Qwen、Llama 等模型及至少一种主流 Agent 框架
• 具备将算法原型工程化为可部署、稳定运行服务模块的落地能力

申请策略

• 投递前了解石头科技机器人产品线与 Agent 应用场景，在简历和沟通中体现场景理解
• 面试中主动确认团队方向、办公地点、工作节奏和薪资福利，避免信息不对称
• 突出机器人任务规划、状态机、动态重规划和异常恢复相关项目，说明你负责的模块与结果
• 展示 Python/C++ 服务化工程经验，包括异步调度、接口设计、可观测性和稳定性建设
• 写明开源 LLM 本地部署与 Agent 框架实践，如 Qwen/Llama 部署、工具调用、多阶段任务编排
• 用量化指标说明算法落地效果，如任务成功率、恢复率、时延、资源占用或线上稳定性
• 补强图规划、任务规划算法与状态机设计，准备可演示的机器人任务闭环案例
• 熟悉至少一种主流 Agent 框架，并实践模型、工具、环境协同的端到端项目

面试指南

• 用“场景-目标-方案-结果”结构回答，先讲清机器人任务约束，再说明算法与工程取舍
• 技术问题尽量落到具体模块：状态机如何设计、异常如何检测、重规划如何触发、指标如何评估
• 准备一个端到端案例，覆盖模型部署、Agent 编排、接口对接和线上稳定性
• 你如何为机器人设计任务规划与动态重规划系统？请结合项目说明状态机、图规划和异常恢复
• 遇到障碍物阻挡、低电量、设备离线、用户干预等异常时，你的 Agent 如何决策和恢复？
• 你部署过哪些开源 LLM？在 Qwen/Llama 本地部署、推理性能和服务化方面做过什么优化？
• 你熟悉哪种 Agent 框架？如何实现模型、工具与机器人 Skill 接口的协同？
• 如何把算法原型工程化为可部署、可观测、稳定运行的服务模块？