得物
AI Agents开发工程师
AI Agents开发工程师
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Agent
Llm
Mcp/A2A
Rag
可观测平台
后端开发
大模型网关
知识库平台
值不值得投
薪资怎么样
4.0万
比人工智能中位数高
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 720 个在招 · 其中人工智能 2 个
市场机会
选择面较广
上海 · 人工智能 · 约 390 个在招
职位详情
关于这个职位
作为 AI Agents 开发工程师，你将参与得物全公司 AI Agent 的架构设计与研发落地，并参与建设支撑 Agent 规模化的底层平台，包括大模型网关、Agent 可观测平台、评测平台、知识库平台和 Skills 技能中心等
这是一个偏平台工程与 LLM 应用结合的核心技术岗位，要求具备后端/算法能力与从 0 到 1 的落地经验
最低要求
年以上后端/算法工程经验，1 年以上 LLM 应用落地经验
熟悉 Function Calling、RAG、多 Agent 编排
有从 0 到 1 上线并长期运行的 Agent 或平台系统
有中间件/平台设计经验（网关、检索平台、可观测系统至少占一样）
工作职责
参与全司 AI Agent 的架构设计与研发落地，同时参与支撑 Agent 规模化的底层平台，如大模型网关（路由、限流、计费、降级）、Agent 可观测平台、评测平台、知识库平台、Skills 技能中心等
优先资格
加分项：搭过大模型网关或评测回归流水线、有知识库平台经验、MCP/A2A 落地、电商业务系统背景
AI 洞察
优缺点分析
优点
- 切入 LLM/Agent 这一高速增长方向，技术栈前沿且通用性强
- 涉及网关、可观测、评测等平台建设，能积累稀缺的基础设施能力
- 覆盖全司级场景，业务影响面广，便于积累大型平台落地经验
- 平台型工作需支撑众多业务方，沟通协调与稳定性保障要求高
- Agent 技术演进快，需要持续学习并应对方案快速迭代
- 适合有一定后端/算法功底、对 LLM 应用与平台工程有热情，且愿意在快速演进领域持续学习的中高级工程师
缺点 / 挑战
- 岗位要求后端/算法与 LLM 应用双向能力，技术广度与深度压力较大
角色解读
- 可在 AI Agent 平台方向深耕，成长为 Agent/大模型基础设施方向的资深工程师或技术专家
- 积累平台化与跨业务落地的经验，未来可转向技术负责人或架构师
- LLM 应用与工程平台的复合背景稀缺，跳槽与横向发展空间较大
- 负责全公司级 AI Agent 的架构设计与研发落地，把 Agent 能力推广到各业务线
- 建设支撑 Agent 规模化的底层平台，包括大模型网关、可观测平台、评测平台、知识库平台、Skills 技能中心
- 参与网关的路由、限流、计费、降级等核心能力设计，保障 Agent 稳定运行与成本可控
- 推动 Agent 从 0 到 1 上线并持续迭代，形成可复用的平台化能力
- 扎实的后端或算法工程功底，具备 3 年以上系统研发经验
- 熟悉 Function Calling、RAG、多 Agent 编排等 LLM 应用核心技术
- 具备中间件/平台设计能力，至少在网关、检索平台、可观测系统中擅长一项
- 有从 0 到 1 落地并长期运营复杂系统的工程经验
申请策略
- 提前了解得物的业务场景与 Agent 应用方向，面试中体现对电商场景的理解
- 准备清晰的技术权衡故事，展示平台设计中的取舍与决策逻辑
- 突出从 0 到 1 上线并长期运行的 Agent 或平台系统案例，量化规模与稳定性成果
- 展示 Function Calling、RAG、多 Agent 编排等 LLM 应用实战经验
- 强调网关、检索平台、可观测系统等中间件/平台设计经验
- 若有 MCP/A2A、评测流水线、知识库平台或电商业务背景，务必单列
- 系统梳理大模型网关的路由、限流、计费、降级等设计与实践
- 补充 Agent 评测与可观测体系相关知识，了解主流评测回归流水线方案
面试指南
- 用 STAR 结构讲述项目：背景痛点、方案设计、技术取舍、量化结果
- 面对平台设计题，先讲清目标与约束，再给出分层架构与降级/兜底方案，最后说明如何度量与迭代
- 对 LLM 应用问题，强调从效果、成本、稳定性三个维度权衡
- 请介绍一个你从 0 到 1 落地的 Agent 或平台系统，难点和成果是什么？
- 你如何设计一个大模型网关的路由、限流与降级策略？
- 在多 Agent 编排中，你如何保证可靠性与可观测性？
- 如何搭建 Agent 的评测与回归流水线来持续评估效果？
- RAG 知识库平台在检索质量与更新时效上你是如何优化的？
Watch Jobs