美团
Agent 开发工程师（全栈）
Agent 开发工程师（全栈）
发布于 大约 13 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
软件工程
Ab实验
Fine-Tuning
Go
Llm
Mcp
Plan-And-Execute
Prompt Engineering
Sql
Tool Calling
AI 估算 · 35k–55k
北京大厂高级全栈Agent开发，技术栈稀缺，薪资竞争力强，参考市场行情。
职位详情
关于这个职位
这是一个专注于构建企业级Agent系统的全栈开发岗位，负责将大模型能力工程化为可靠的B端策略执行引擎
你将深度参与产品设计、数据飞轮构建和决策可解释性方案，从0到1打造服务于美团核心业务场景的智能体系统
最低要求
强编程能力：精通Python，熟悉至少一门系统语言（Go/Java/Rust），代码质量高，架构设计清晰
大模型工程：深度理解LLM推理、Prompt Engineering、Fine-tuning等技术，有实际的大模型应用开发经验
Agent架构：理解主流Agent框架和设计模式：ReAct/Plan-and-Execute/多Agent协作/Tool Calling/MCP协议
模型可控性工程：有在生产环境中解决LLM输出不确定性问题的实战经验——包括但不限于：输出格式约束、推理路径收敛、结果一致性校验、温度/采样策略调优、Prompt鲁棒性优化等
数据工程：熟悉数据处理全链路（SQL/Hive/Spark/数仓），能独立完成数据驱动的功能开发
系统设计：具备复杂系统的架构设计能力，能在可靠性、成本、性能之间做出合理权衡
产品意识：不只是“实现需求”，能从用户和业务视角思考技术方案，有Product Sense
年以上后端/全栈开发经验，其中至少1年大模型或AI应用开发经验
有Agent系统或AI应用的从0到1建设经验
有处理复杂业务逻辑（策略计算、资源优化、工作流引擎等）的工程经验
本科及以上学历，计算机科学或相关专业
有前后端开发能力，能独立完成全栈功能交付
工作职责
【岗位定位】 BA Agent 需要一种新型工程角色——不是传统后端，也不是纯算法研究，而是将大模型能力工程化为可靠的 B 端策略与流程执行 Agent 系统的全栈工程师
你将负责构建一个能自主执行资源分配、策略生成与评估的智能体系统，让 AI 从"回答问题"进化为"执行任务并交付产出物"
【岗位职责】
产品设计与交付 -设计 Agent 任务流程、交互体验与产出物标准，确保复杂策略场景的可用性和可靠性 -定义 Skill（能力单元）的标准化封装方案，推动能力资产沉淀和跨场景复用 -主导策略 AB 实验流程的产品化设计——从策略生成、方案对比到效果归因的全链路闭环 -以原型驱动而非 PRD 驱动，快速验证产品假设（交付周期从 3 个月压缩到 1 周） -识别高价值业务场景（资源分配、补贴策略、预算管理等），设计 Agent 介入方案并推动落地 -基于B 端业务场景，定义 Agent 能力边界和用户交互模式，确保用户理解清晰
用户增长与商业化 -推动 Agent 在 B 端业务线的场景覆盖和用户渗透 -设计用户运营体系，构建从"工具使用"到"策略依赖"的用户心智转化路径 -定义增量收入衡量标准，量化 Agent 为业务带来的决策效率提升和资源优化价值
数据驱动与飞轮构建 -建立用户 Trace 收集与反馈机制，将线上交互轨迹转化为能力资产
构建业务 know-how 的结构化沉淀 + 用户交互 Trace 的飞轮 -设计场景包迭代闭环：Trace 采集 → 质量评估 → 能力沉淀 → 场景扩展 -用数据指标（而非直觉）驱动产品优先级决策
可解释性与决策透明度 -设计 Agent 决策过程的可解释性方案——用户不仅看到策略结论，还能理解 Agent「为什么这样决策」的推理路径 -定义策略产出物的溯源标准：每个结论必须可追溯到数据来源、推理依据和置信度，让业务方敢用、敢信 -设计分层透明度机制：面向不同角色（策略运营 / 业务负责人 / 技术团队）提供不同粒度的决策解释，避免信息过载或信息不足 -将可解释性作为产品竞争力——B 端策略场景中，「能解释清楚为什么」比「算得更准」更决定用户信任和续用意愿
优先资格
有在生产环境中解决「模型输出不确定性 vs 业务流程确定性」矛盾的实际项目经验者优先
AI 洞察
优缺点分析
优点
- 工程师深度参与产品定义，技术决策直接影响产品走向，影响力大
- 美团平台资源丰富，团队氛围简单讲逻辑，适合实干型人才
- 需要处理模型输出不确定性与业务流程确定性的矛盾，工程难度高
缺点 / 挑战
- 真实千亿级业务场景，Agent工程挑战巨大，技术成长快
- 全栈技术栈覆盖大模型、数据、系统设计，避免单一技术瓶颈
- 跨部门协作频繁，对沟通能力和产品思维要求较高
- 交付周期压缩（3个月到1周），节奏快，压力较大
- 适合技术功底扎实、热爱挑战、愿意深入业务场景并具备全栈能力的AI工程师
角色解读
- 技术深耕：成为Agent架构专家，主导大规模智能体系统设计与优化
- 产品转型：凭借对业务场景的深入理解，向AI产品经理或技术负责人发展
- 全栈扩展：在大模型、数据工程和系统设计多个维度持续成长，成为稀缺的全栈AI工程师
- 设计并实现Agent任务流程和交互体验，确保B端策略场景的可用性
- 构建用户Trace收集与反馈机制，驱动Agent能力持续提升
- 主导策略AB实验的产品化闭环，从策略生成到效果归因
- 定义Agent决策的可解释性方案，让业务方信任并使用
- 精通Python及至少一门系统语言（Go/Java/Rust），具备全栈开发能力
- 深度理解LLM推理、Prompt Engineering、Fine-tuning及Agent架构
- 掌握数据工程全链路（SQL/Hive/Spark/数仓）和系统设计
- 具备产品意识，能从用户和业务视角思考技术方案
申请策略
- 在简历中突出你对产品和技术结合的理解，展示你是如何推动技术落地的
- 关注美团本地商业业务，思考Agent如何帮助提升效率和收入
- 突出Agent或大模型应用从0到1的实战项目，强调解决实际问题的经验
- 展示全栈开发能力，包括前后端、数据工程和系统设计
- 强调产品意识和业务理解，最好有将技术转化为业务价值的案例
- 列出掌握的技能栈，特别是Python、系统语言、LLM相关工具和框架
- 深入学习Agent框架（如LangGraph、CrewAI）和MCP协议
- 强化模型可控性工程实践，如输出格式约束、一致性校验等
面试指南
- STAR法则：情景-任务-行动-结果，突出技术挑战和你的解决方案
- 产品思维：从业务需求和用户痛点出发，说明技术选型和设计决策
- 数据驱动：强调用数据指标量化效果，展示闭环迭代思路
- 请描述一个你构建的Agent系统，如何处理模型输出不确定性问题？
- 如何设计一个可解释的Agent决策流程？请举例说明
- 在设计Agent系统时，你如何平衡性能、成本和可靠性？
- 假设你要设计一个资源分配Agent，你会如何定义其能力边界和用户交互模式？
- 如何衡量Agent为业务带来的价值？设计哪些指标？
职位点评
73
综合评分
大厂核心业务，前沿Agent技术栈，高成长性但工作强度大，适合野心家。
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。
更适合这类人
最适合追求技术成长和职业发展的求职者，愿意接受高强度挑战以换取前沿技能和影响力。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
薪资具有竞争力，但JD未明确具体薪资和福利，属于市场水准偏上。
薪资信号市场水准 (35K-55K/月)
成长发展
90较高
岗位提供前沿的Agent工程挑战，技术栈涉及大模型、数据工程、系统设计，成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、ReAct、Fine-tuning、Prompt Engineering、MCP
成长机会全栈技术栈、能力资产化、技术飞轮
业务类型profit_center
工作生活
50较低
仅现场办公，未提及WLB，且交付周期短，工作强度可能较大。
工作模式仅现场办公
办公地点市区核心地段
加班情况JD含高强度暗示词
使命价值
70中等
岗位服务美团核心业务，对本地商业效率提升有显著价值，但社会影响力中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
美团 的其他在招职位
相似职位推荐
Watch Jobs