美团
AI Agent算法工程师
AI Agent算法工程师
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai Agent
Llm
Nlp
Prompt Engineering
Pytorch
Rag
Sft/Dpo
Vllm
值不值得投
82综合评分
综合评分 82
前沿AI Agent技术落地，高成长空间，大厂平台，适合技术驱动型人才
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
4.8万
比AI算法中位数高
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 6050 个在招 · 其中AI算法 2 个
市场机会
选择不多
北京 · AI算法 · 10 个在招
职位详情
关于这个职位
负责美团商家/销售端Agent系统的算法设计与优化，涵盖意图理解、任务规划及Harness迭代
主导领域模型后训练（SFT/DPO等）与知识挖掘，构建自动化评测体系，推动Agentic AI技术在真实商业场景中的落地与效能提升
最低要求
本科及以上学历，计算机、人工智能、机器学习、自然语言处理等相关专业优先
具备扎实的算法理论基础，熟悉机器学习/深度学习/NLP，掌握Transformer、Embedding、向量检索、生成式模型等基本原理，熟悉主流大模型及其技术范式
对LLM应用有深入理解与实践经验，理解RAG、Prompt Engineering、Function Calling、Agent Planning、Tool Use等技术机制，有Agent系统或对话系统完整项目经验者优先
熟悉Python，熟练使用PyTorch/Transformers/vLLM等常见工具或框架
有大模型后训练（SFT/DPO/RLHF等）实战经验者优先
具备较强的实验设计与问题分析能力，能够通过数据、评测和实验定位模型效果问题，并在算法效果、工程复杂度、推理成本和业务收益之间做合理权衡
有好奇心，敢想敢做，责任心强
具备较强的团队协作与沟通能力，有较强的学习能力和业务分析及问题解决能力
工作职责
商家/销售端Agent全链路算法优化：负责商家/销售端Agent系统的算法设计与持续优化，覆盖语音外呼、意图理解、任务规划、记忆机制等核心环节，构建具备自主决策与动态规划能力的端到端智能系统
Agent Harness优化：主导Agent Harness的设计与迭代，包括系统提示词与指令体系、上下文窗口管理、工具集编排、多轮交互管理、反思与纠错机制等，系统性提升Agent在复杂经营任务上的任务成功率与执行效率
领域模型后训练：主导SFT/DPO/RLHF/GRPO等后训练方法在商家经营场景的落地，包括领域指令数据与偏好数据构造、奖励设计、训练与评测全流程，持续提升模型对商家经营领域知识的理解、生成与决策能力
商家端知识挖掘：在销售外呼、商家经营等场景，从内外部知识库、历史数据、商家经营交易数据等海量数据中挖掘经营知识与领域规则，构建可持续更新的知识库，增强Agent的领域专业性与回答可靠性
评测能力建设：构建多维度、科学、高置信度的Agent评测体系，覆盖任务成功率、工具调用准确率、业务流程完成率、回答质量、稳定性、成本与延迟等指标，建设自动化评测与数据飞轮，基于线上真实反馈打通"评测—数据—训练"闭环
业务落地与前沿探索：与工程、产品等团队紧密协作，将算法能力产品化、平台化，支撑商家/销售端Agent持续迭代
跟踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿方向，推动可落地的技术转化
AI 洞察
优缺点分析
优点
- 拥有海量真实商家数据和极高的场景壁垒，算法效果与业务收益强挂钩，技术落地价值高
- 需要平衡算法效果、工程复杂度与推理成本，面对的是复杂的真实商业环境和多变的需求
- 对AI Agent有浓厚兴趣，具备扎实算法基础和工程落地能力，渴望在大规模真实场景中解决复杂问题的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 成为Agent领域技术专家，向AI架构师或算法负责人方向发展，参与前沿技术与业务的双重探索
- 负责设计和优化面向商家/销售端的AI Agent系统，解决意图理解、任务规划等核心算法问题
- 精通LLM应用开发（RAG、Prompt Engineering、Agent Planning），熟练掌握Python及PyTorch等深度学习框架
申请策略
- 关注美团核心本地商业的业务逻辑，准备展示如何将AI技术与具体业务场景（如商家经营、销售外呼）结合的案例
- 突出LLM应用项目经验，特别是Agent系统、RAG、后训练（SFT/DPO）的具体实践和量化成果
- 深入研究Agentic RL、多智能体协作等前沿方向，提升在大模型微调、评测体系建设方面的实战能力
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出技术选型理由、遇到的挑战及解决方案、以及最终的业务收益
- 请介绍一个你负责的Agent系统项目，你是如何设计其核心算法的？
- 在大模型后训练中，如何处理领域数据的构造和质量问题？
- 如何构建一个科学的Agent评测体系，确保模型效果的持续提升？
- 在资源受限的情况下，如何优化Agent的推理成本和响应速度？
- 复习Transformer架构、RLHF/DPO原理、RAG技术细节，准备1-2个完整的LLM应用项目案例进行深入剖析
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
作为已上市的互联网巨头，提供具有市场竞争力的薪资和完善的福利体系，满足补偿性动机。
薪资信号偏高 (3.5千–6.0万/月)
成长发展
95较高
职位涉及AI Agent前沿技术落地，拥有全栈技术闭环和大量真实数据，个人成长空间巨大。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、SFT、DPO、RLHF、RAG、Prompt Engineering
成长机会快速成长为Agent领域技术专家、获得快速成长与能力提升机会
业务类型profit_center
工作生活
60中等
互联网大厂通常工作节奏较快，虽未明确提及加班情况，但核心业务部门可能面临一定压力。
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
80较高
通过技术手段帮助商户提升经营水平，优化用户生活体验，具有明确的社会价值和业务使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号帮大家吃得更好，生活更好、提升商户经营水平
创新程度积极采用新技术
Watch Jobs