美团
AI Agent算法工程师
AI Agent算法工程师
发布于 大约 18 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
Dpo
Nlp
Prompt Engineering
Pytorch
Rlhf
Sft
向量检索
大模型
值不值得投
73综合评分
综合评分 73
前沿Agent技术落地场景，全栈算法成长路径清晰，薪资有竞争力，但办公灵活性一般。
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
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 3370 个在招 · 其中人工智能 17 个
市场机会
选择面较广
上海 · 人工智能 · 约 160 个在招
职位详情
关于这个职位
该职位是美团核心本地商业-业务研发平台的AI Agent算法工程师
负责商家经营Agent系统的全栈算法研发，包括意图理解、任务规划、模型后训练、知识挖掘及评测体系建设，旨在构建端到端的智能决策系统，提升商家经营效率，是技术深度与业务价值结合紧密的核心算法岗位
最低要求
（1）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
（2）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
（3）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
（4）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
（5）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
（6）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
（1）商家Agent全链路算法优化：负责商家Agent系统的算法设计与持续优化，覆盖意图理解、任务规划、上下文治理、记忆机制、长程规划等核心环节，构建具备自主决策与动态规划能力的端到端智能系统
（2）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
（3）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
（4）商家经营知识挖掘：面向装修、商品、经营分析等场景，从内外部知识库、商家行为数据、经营数据、交易数据等海量数据中挖掘经营知识与领域规则，构建可持续更新的商家经营知识库，增强Agent的领域专业性与回答可靠性
（5）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
（6）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，支撑商家经营助手持续迭代
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
优先资格
有Agent系统或对话系统完整项目经验者优先
有大模型后训练（SFT/DPO/RLHF等）实战经验者优先
AI 洞察
优缺点分析
优点
- 高价值落地场景：直接应用于美团核心的商家经营业务，算法效果与业务增长挂钩，成果可见性强
- 技术深度与广度兼备：覆盖Agent全栈（Harness、后训练、知识、评测），能快速构建完整的Agent技术体系
- 清晰的个人成长路径：JD提到优秀者可担任算法主R，参与前沿探索，成长空间明确
- 技术复杂度高：需同时驾驭算法前沿（如多智能体、自进化）与工程落地，平衡效果、成本与性能
- 业务理解要求深：需要深入理解装修、商品、经营分析等复杂商家业务场景，才能设计出有效的Agent
- 适合具备扎实NLP和大模型基础，对构建复杂智能系统有强烈兴趣，且愿意深入业务场景解决实际问题的技术型求职者
缺点 / 挑战
- 系统稳定性要求高：Agent需在真实商业环境中稳定运行，对评测、监控和容错机制设计提出挑战
角色解读
- 深耕Agent技术领域，成为从算法设计到工程落地的全栈Agent系统专家
- 通过解决复杂的商家经营问题，积累领域知识，向行业AI解决方案架构师方向发展
- 凭借在评测和数据闭环上的经验，有机会主导更大规模的AI平台或基础设施建设
- 设计并优化面向商家的AI Agent系统，使其能自主理解经营需求、规划任务并调用工具执行
- 主导大模型（如SFT/DPO）在商家领域的后训练，提升模型对特定业务场景的理解和决策能力
- 构建和维护Agent的评测体系与知识库，确保系统性能可衡量、持续优化且知识可靠
- 扎实的机器学习与NLP理论基础，特别是对Transformer架构和主流大模型原理的深刻理解
- 丰富的LLM应用实战经验，熟悉RAG、Prompt Engineering、Agent Planning等关键技术
- 熟练使用Python及PyTorch等框架进行模型开发，并有模型后训练（如SFT/DPO）的实战经验
申请策略
- 在简历或面试中，尝试将你的技术经验与“商家经营”这一具体场景结合，展示你的业务理解潜力
- 可提前了解美团“零售+科技”战略及核心本地商业的业务模式，以便在面试中更好地与面试官同频
- 突出1-2个完整的Agent或复杂对话系统项目经验，详细描述你在其中的贡献和技术选型
- 重点展示在大模型应用（如RAG、Tool Use）或后训练（SFT/DPO）方面的实战经验与成果
- 强调数据分析、实验设计能力，以及通过技术手段解决实际问题的案例
- 系统性复习和实践Agent相关的最新技术，如ReAct、Reflexion等框架，以及多智能体协作模式
- 深入研究大模型后训练（特别是RLHF/DPO）的流程与挑战，可尝试在开源模型上进行实验
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化地讲述项目经历，突出你的技术决策和贡献
- 对于挑战性问题，采用“问题分析 - 技术方案 - 权衡取舍 - 潜在优化”的思路进行回答，体现系统性思维
- 对于开放性或前沿问题，结合JD中提到的业务场景（商家经营）来具体化讨论，避免空谈理论
- 请详细介绍一个你主导或参与过的Agent/对话系统项目，重点说明技术架构和你在其中的角色
- 在设计一个面向商家的Agent时，你认为最大的技术挑战是什么？你会如何解决？
- 如何构建一个科学有效的Agent评测体系？你会关注哪些核心指标？
- 如果让你对一个现有模型进行领域后训练（如SFT），你的整体流程是怎样的？如何构造高质量的数据？
- 你怎么看待Agentic RL或多智能体协作在当前Agent应用中的前景与挑战？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
作为上市公司的核心算法岗位，薪资具有市场竞争力，但JD未明确福利体系，稳定性与发展平台是其主要补偿优势。
薪资信号未披露（AI估算：35K-55K/月）
成长发展
85较高
该职位提供从模型后训练到Agent系统落地的完整技术链路，是深入前沿AI Agent领域的绝佳机会，且有明确的个人成长空间。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、SFT、DPO、RAG、Transformer、向量检索、PyTorch
成长机会个人成长空间大、可任算法主R、快速成长与能力提升机会
业务类型profit_center
工作生活
60中等
JD未提及任何远程或弹性办公政策，默认为现场办公。作为核心业务研发平台岗位，工作节奏可能与业务紧密关联。
工作模式仅现场办公
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
75中等
岗位直接服务于“帮大家吃得更好，生活更好”的公司使命，在零售+科技领域有清晰的社会价值。处于高速增长的技术赛道。
行业发展高速增长赛道
社会影响中性/一般
使命信号帮大家吃得更好，生活更好、助力业务实现高质量增长、优化用户使用体验，提升商户经营水平
创新程度积极采用新技术
Watch Jobs