腾讯
金融科技-Agent架构设计与推理性能优化工程师
金融科技-Agent架构设计与推理性能优化工程师
发布于 大约 8 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
Llm
Sglang
Vllm
上下文工程
后台开发
工具调用
推理优化
集群调度
值不值得投
75综合评分
综合评分 75
腾讯AI Agent技术岗，前沿技术栈，成长空间大，但工作强度可能较高。
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
45K
与人工智能中位数基本持平
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 4620 个在招 · 其中人工智能 3 个
市场机会
选择适中
深圳 · 人工智能 · 19 个在招
职位详情
关于这个职位
该职位负责腾讯金融科技业务中Agent架构的设计与推理性能优化，包括Agent harness开发、工具集成、推理集群调度与性能调优，并跟踪前沿技术
适合具备扎实后台工程能力、熟悉大模型推理框架、有Agent实战经验的技术专家
最低要求
具备扎实的后台工程能力，有行业成熟Agent框架的实战经验
熟悉大模型推理框架，有相关优化经验（vLLM、sglang等）
有卡推理适配和集群化推理调度经验者优先
有持续的一线技术优化实战经验，能独立承担Agent设计与核心模块开发，对Agent的上下文工程、工具调用、Skill设计有深入理解，了解最新上下文设计原则
计算机、人工智能等相关专业本科及以上学历，有顶会论文或开源项目贡献者优先
工作职责
负责Agent harness的设计与平台Agent开发，结合统一Agent框架、标准LLM服务，扩展自定义工具、沙箱、Agent互调通信，完成业务功能目标
围绕工具的场景，定义量化指标，并结合轨迹的合理性，整体优化Agent工作效率与效果
优化模型推理性能，包括缓存命中率、私有化推理集群的调度、卡适配、跨集群成本削峰填谷等，提升推理资源利用率和响应速度
协助Agent框架与FAT平台、LLM API、评测系统的打通，实现一站式Agent创建、上线与效果评估
跟踪Agent与推理框架的前沿技术，结合业务需求探索创新方案并推动落地
优先资格
有卡推理适配和集群化推理调度经验者优先
有顶会论文或开源项目贡献者优先
AI 洞察
优缺点分析
优点
- 腾讯作为互联网巨头，平台大，技术资源丰富，能接触到前沿的Agent技术
- 岗位涉及Agent与推理优化，是当前AI领域的热点，技能积累价值高
- 薪酬福利优厚，有股票期权等激励
- 技术难度高，需要同时掌握Agent框架和推理优化，对综合能力要求高
- 工作强度可能较大，需要持续跟踪前沿技术并快速落地
- 竞争激烈，需要不断学习，保持技术领先
缺点 / 挑战
- 团队氛围好，鼓励创新，有挑战精神，能参与团队愿景和文化建设
- 适合对Agent和推理优化有浓厚兴趣，具备扎实后台功底和优化经验，喜欢挑战前沿技术，追求技术卓越的工程师
角色解读
- 在Agent领域深耕，成为Agent架构专家，主导大型Agent平台的架构设计
- 向AI基础设施方向转型，负责推理集群的优化与调度，成为性能优化专家
- 有机会参与前沿技术研究，发表顶会论文，提升行业影响力
- 负责Agent harness的设计与平台开发，集成统一Agent框架、标准LLM服务，扩展自定义工具、沙箱、Agent互调通信，实现业务功能
- 定义量化指标，优化Agent的工作效率与效果，包括上下文工程、工具调用、Skill设计等
- 优化模型推理性能，包括缓存命中率、私有化推理集群的调度、卡适配、跨集群成本削峰填谷，提升资源利用率和响应速度
- 协助Agent框架与FAT平台、LLM API、评测系统的打通，实现一站式Agent创建、上线与效果评估
- 扎实的后台工程能力，熟悉主流Agent框架（如LangChain、AutoGPT等）并有实战经验
- 熟悉大模型推理框架（如vLLM、sglang），具备性能优化经验
- 有GPU推理适配和集群化调度经验，了解分布式系统
- 深入理解Agent的上下文工程、工具调用、Skill设计，了解最新上下文设计原则
申请策略
- 了解腾讯的Agent平台和业务场景，在面试中展示对业务的理解
- 准备一个完整的Agent项目案例，展示从设计到优化的全过程
- 突出Agent框架实战经验，如使用LangChain、AutoGPT等构建过具体应用
- 强调推理优化经验，如使用vLLM、sglang进行性能调优的案例
- 展示GPU集群调度经验，如大规模分布式训练或推理的优化项目
- 如果有顶会论文或开源项目贡献，务必突出，这是加分项
- 深入学习vLLM、sglang的源码，理解推理优化的底层原理
- 熟悉Kubernetes等容器编排工具，提升集群调度能力
面试指南
- 用STAR法则回答行为问题，突出技术细节和结果
- 对于技术问题，先阐述原理，再结合项目经验，最后总结优化效果
- 展示对前沿技术的关注，如提及最新论文或开源项目
- 请介绍你使用过的Agent框架，并说明其架构和优化点
- 如何优化大模型推理性能？请举例说明
- 请描述一次你解决集群调度问题的经历
- 如何设计Agent的上下文工程以提高效果？
- 你对Agent的未来发展有何看法？
职位点评
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
腾讯作为互联网巨头，薪资和福利具有竞争力，但具体薪资未在JD中披露，需面议。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
岗位涉及前沿Agent技术和推理优化，技术成长空间大，但JD未明确提及晋升路径。
技术前沿前沿/新兴技术
技术栈Agent、vLLM、sglang、推理优化、集群调度
业务类型ambiguous
工作生活
50较低
JD未提及工作模式，但腾讯通常为现场办公，深圳工作节奏可能较快，WLB一般。
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
70中等
Agent技术是AI领域的热点，具有推动行业发展的意义，但JD未提及具体社会价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
腾讯 的其他在招职位
相似职位推荐
Watch Jobs