腾讯
大模型工程架构专家/Tech Led（深圳/北京）
大模型工程架构专家/Tech Led（深圳/北京）
发布于 3 小时前基层主管/组长
全职员工仅现场办公机器学习工程
机器学习工程
Agent框架
Ai Infra
Go
Pytorch
分布式系统
大模型架构
技术领导力
机器学习工程
端云协同
值不值得投
81综合评分
综合评分 81
前沿大模型架构岗、技术成长空间大、大厂平台背书，WLB待确认。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
9.8万
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 2080 个在招 · 其中机器学习工程 44 个
市场机会
选择面较广
深圳 · 机器学习工程 · 99 个在招
职位详情
关于这个职位
负责大模型应用及工程体系的技术规划与架构设计，主导Agent框架、端云协同及AI原生应用的核心开发
需具备7年以上研发经验，精通分布式系统与主流编程语言，能够带领团队攻克复杂技术难题并推动AI技术在业务中的落地
最低要求
计算机、软件工程、人工智能等相关专业本科及以上学历，硕士优先
具备 7 年以上软件研发经验，有复杂系统架构设计、AI Infra、机器学习工程、Agent 框架或 AI 应用研发经验，曾主导核心技术系统从 0 到 1 建设者优先
精通 Python、Go、C++、Java、TypeScript 等至少一种主流开发语言，具备扎实的软件工程、系统设计和性能优化能力
熟悉分布式系统、异步任务调度、容器与沙箱、存储、网络通信及服务治理，能够独立完成复杂技术方案设计与核心模块开发
理解 Transformer、大模型训练与推理的基本原理，熟悉 SFT、RL、模型评测、数据处理及模型服务等技术链路
了解 PyTorch、主流训练与推理框架及相关工具生态，能够与算法和框架团队共同解决模型研发中的工程问题
有模型训练平台、强化学习训练环境或评测基础设施建设经验者优先
深入理解大模型应用架构，熟悉 Agent Loop、Tool Calling、Context / Memory 管理、RAG、Skill、MCP、Sandbox、长任务执行及异常恢复等技术
具备 Agent 框架、Coding Agent、Research Agent 或复杂 AI 应用的实际研发经验，能够从模型能力和任务需求出发，做出合理的架构设计与工程取舍
具备 Web、移动端或桌面端应用开发经验，理解跨端架构、状态管理、流式通信及客户端性能优化等关键问题
熟悉 Flutter、React Native、KMP、Kuikly 等跨端框架，或具备端侧模型推理、量化部署、端云协同经验者优先
具备较强的技术洞察、Owner 意识和复杂问题解决能力，能够在模型能力快速变化、技术路线尚不确定的环境中做出合理判断
具备跨算法、工程、产品团队的协作能力，能够推动技术方案从研究验证走向稳定交付
有技术团队管理、人才培养、开源项目或高质量技术研究成果者优先
工作职责
大模型工程架构与技术规划：负责大模型应用及相关工程体系的技术规划与架构设计，围绕模型训练、后训练、评测、Agent 及应用探索等方向，制定技术方案和演进路线
推动模型能力、工程框架和应用场景深度协同，建设可复用、可扩展的工程基础设施
模型训练与后训练工程支持：与基模、应用算法及训练框架团队深度协作，支持模型训练、后训练、强化学习及评测等研发工作
围绕数据处理、训练任务编排、实验管理、模型调用、工具环境及自动化评测等环节，解决研发过程中的工程问题，提升模型实验效率、迭代速度和结果可复现性
Agent Harness 与 Runtime 建设：主导 Agent 工程框架与运行环境建设，围绕 Context Engineering、Memory、Tool / Skill、Sandbox、任务编排、状态管理、Checkpoint、长任务执行与恢复等关键能力，构建稳定、高效、可扩展的 Agent Harness
支持 Personal Agent、Team Agent、Research Agent 等方向的模型能力研究、训练与应用验证
AI 原生应用与端云协同探索：围绕 AI 对话、翻译、播客、多模态生成及 Agent 等场景，主导 AI 原生应用的技术架构与核心能力开发，支持 Web、移动端及桌面端等多种交付形态
探索端云协同、端侧模型推理、离线智能及多端 Context 共享，形成可复用的应用框架、组件和技术样板，推动模型能力在腾讯内外业务中落地
工程效能与质量体系建设：建设覆盖研发、测试、部署、监控、评测与持续迭代的工程体系，推动 AI Coding、自动化测试、持续集成及研发工具链建设
建立模型应用与 Agent 系统的性能、稳定性、成本和任务成功率评估机制，持续提升工程交付效率与系统质量
技术领导力与团队建设：负责关键技术方向的架构决策和技术攻坚，推动算法、训练框架、平台、客户端及服务端团队高效协作
参与核心工程人才的招聘、培养和技术梯队建设，鼓励技术创新、开源及研究成果沉淀，打造兼具模型理解、工程深度和产品意识的研发团队
优先资格
硕士优先
有模型训练平台、强化学习训练环境或评测基础设施建设经验者优先
有技术团队管理、人才培养、开源项目或高质量技术研究成果者优先
AI 洞察
优缺点分析
优点
- 聚焦大模型与Agent前沿方向，技术栈处于行业绝对领先地位
- 依托大厂海量数据与算力资源，具备极佳的工程验证与落地场景
- 团队技术氛围浓厚，鼓励开源与学术成果转化，利于个人品牌积累
- 清晰的架构决策权与技术攻坚机会，能快速提升系统级设计能力
- 业务落地导向强，需在技术理想主义与实际交付效率间寻找平衡
- 适合具备深厚工程功底、对AI前沿技术有强烈热情，且能在高不确定性环境中推动技术落地的资深开发者
缺点 / 挑战
- 大模型技术迭代极快，需持续跟进最新论文与框架，学习压力大
- 涉及多端协同与复杂工程体系，跨团队协调与沟通成本较高
角色解读
- 向AI Infra首席架构师或大模型平台技术负责人方向发展
- 拓展至AI产品商业化落地，成为懂技术、懂业务的复合型技术管理者
- 在开源社区或顶会发表高质量成果，建立行业技术影响力
- 负责大模型应用及工程体系的整体技术规划与架构设计，制定演进路线
- 主导Agent框架、Runtime及AI原生应用的核心开发与端云协同探索
- 搭建覆盖训练、评测、部署与监控的工程效能与质量体系，提升研发效率
- 牵头关键技术攻坚，推动跨团队协作并参与核心人才梯队建设
- 精通至少一种主流语言（Python/Go/C++/Java），具备扎实的分布式系统与系统设计能力
- 深入理解Transformer原理及大模型训练/推理链路，熟悉PyTorch等主流框架
- 掌握Agent Loop、RAG、Context/Memory管理等前沿应用架构技术
- 具备跨端开发经验及端云协同、模型量化部署等工程落地能力
申请策略
- 提前调研腾讯混元大模型及内部AI业务线，面试时能结合具体场景提出架构优化思路
- 准备1-2个复杂系统故障排查或性能调优的深度案例，展现Owner意识与工程韧性
- 突出主导过的大型系统架构设计经历，强调从0到1的建设过程与性能指标
- 详细列出大模型训练/推理平台、Agent框架或AI应用的实际落地案例与业务价值
- 展示在分布式系统、容器化、自动化测试等工程效能方面的具体实践与成果
- 附上高质量的开源项目贡献、技术博客或专利论文，证明技术影响力
- 系统梳理大模型训练流水线（数据清洗、分布式训练、RLHF、评测基准）的全链路知识
- 深入实践LangChain/LlamaIndex等主流Agent框架，掌握Tool Calling与Memory管理机制
面试指南
- 使用STAR法则（情境-任务-行动-结果）结构化回答，重点突出架构决策依据、权衡过程与量化产出
- 针对技术选型类问题，采用“现状分析-备选方案对比-风险评估-最终决策-复盘迭代”的逻辑链条
- 针对团队协作类问题，强调目标对齐机制、接口契约设计、自动化流程赋能与冲突解决策略
- 请描述你主导过的最复杂的AI工程架构，面临的最大挑战及解决方案是什么？
- 如何设计一个高可用、可扩展的Agent Runtime框架？如何处理长任务中断与状态恢复？
- 在大模型训练与推理过程中，如何平衡实验迭代速度与资源成本？
- 面对快速变化的技术路线，你如何做技术选型与架构演进决策？
- 如何带领跨职能团队（算法、前端、服务端）确保AI应用按时高质量交付？
职位点评
薪资福利85
成长发展92
工作生活60
使命价值82
薪资福利
85较高
大厂成熟薪酬体系配合绩效激励，整体补偿水平处于市场中上，但JD未明确披露具体福利细节。
薪资信号未披露（AI估算：6.5千–13.0万/月）
成长发展
92较高
岗位直接对接大模型与Agent前沿技术，提供明确的架构决策权与技术梯队建设机会，成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、PyTorch、Transformer、RAG、Python、Go
成长机会技术梯队建设、开源及研究成果沉淀
业务类型profit_center
工作生活
60中等
JD未明确说明办公模式与工时安排，大厂核心研发岗通常节奏较快，生活化动机满足程度中等。
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
82较高
岗位致力于用技术引领变革并保障卓越产品体验，契合技术驱动社会进步的使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号用技术引领新的变革、为卓越的产品体验保驾护航
创新程度积极采用新技术
Watch Jobs