美团
小团 Harness 工程师
小团 Harness 工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Ai Agent
Go
Llm
Prompt工程
大模型应用
系统架构
高并发
值不值得投
77综合评分
综合评分 77
核心AI Agent团队，前沿技术栈与亿级实战场景，技术成长空间极大，但工作强度与线上压力较高。
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
4.3万
比后端开发中位数高
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 5520 个在招 · 其中后端开发 28 个
市场机会
选择面较广
北京 · 后端开发 · 约 410 个在招
职位详情
关于这个职位
该职位负责美团App亿级用户AI Agent产品「小团」的核心链路研发与Harness体系建设，将业务约束转化为可执行规则，解决概率性智能在真实环境中的稳定交付难题
你需要构建数据驱动的评测闭环，并优化大流量场景下的性能与成本，与多团队协作推动AI Agent在本地生活场景的落地
最低要求
本科及以上学历，计算机相关专业，3年以上至少一门主流编程语言（Java / Go / Python）的开发经验，具备扎实的编程功底和工程素养
具备复杂系统的架构设计能力，有高并发、高可用线上系统的设计、开发与调优经验，能在可靠性、性能、成本之间做出合理权衡
对线上质量有敬畏心，习惯建立监控、告警、回归机制，而不是「上线即结束」
了解大模型应用开发的基本原理（Prompt工程、上下文管理、Function Call/Tool Use、流式输出等），对LLM/Agent领域有强烈的好奇心，能在陌生领域快速建立认知并产出结果
能跨团队推动复杂项目落地，把模糊的产品诉求转化为清晰的技术方案
具备优秀的沟通协作能力和主人翁精神
工作职责
负责美团 App 亿级用户 AI Agent 产品「小团」核心链路研发，设计 Agent 的推理与执行框架，覆盖任务规划、工具调用、记忆与反思等关键能力，支持编排式、自主规划式、ReAct 等多种 Agent 模式
建设 Agent 的Harness体系：把业务约束转化为可执行规则、把任务状态转化为可管理的过程制品、把结果质量转化为可度量的反馈信号，解决概率性智能在真实环境中稳定交付的难题
构建数据驱动的评测与迭代闭环：建设面向本地生活场景的 Agent 评测基准与指标体系，通过 badcase 归因、修复、回归验证、能力沉淀，让「越用越好」从口号变成机制
负责大流量场景下的性能、成本与稳定性：延迟与推理成本优化、容量规划、灰度发布、监控告警与线上问题攻坚，在体验与经济性之间做工程权衡
与产品、算法、前端紧密协作，参与定义体验质量标准（有用性、安全性、成本），探索「从 AI 搜索到本地生活 AI 管家」的产品与技术演进路径，推动方案落地
AI 洞察
优缺点分析
优点
- 团队技术氛围浓厚，深度结合自研基座大模型，能积累一线的大模型工程化实践经验
- 核心链路全自研，个人技术决策能直接放大到亿级用户体验，影响力大
- 大模型应用工程化属于行业难题，需要在概率性智能与确定性交付之间做大量权衡，技术难度高
- 适合具备扎实后端架构功底、对AI Agent和大模型应用有强烈热情，且渴望在亿级真实业务场景中解决复杂工程难题的技术极客
缺点 / 挑战
- 处于AI Agent落地的最前沿，参与亿级用户真实场景的实战，技术挑战与成就感极高
- 亿级流量场景下对性能、成本和稳定性的要求极为苛刻，线上问题攻坚压力大
角色解读
- 纵向可发展为AI工程化/Agent架构领域的资深技术专家，主导亿级用户产品的技术演进
- 横向可拓展至大模型基座优化、AI产品商业化落地等核心业务方向，成为懂技术也懂业务的复合型领军人才
- 负责美团App亿级用户AI Agent产品「小团」的核心链路研发，设计推理与执行框架
- 建设Agent的Harness体系，将业务约束转化为可执行规则，保障概率性智能在真实环境中的稳定交付
- 构建数据驱动的评测闭环，优化大流量场景下的性能、成本与稳定性
- 扎实的编程功底，精通Java/Go/Python中至少一门，具备复杂系统架构设计与高并发调优经验
- 熟悉大模型应用开发原理，如Prompt工程、Function Call、上下文管理等，对LLM/Agent有深入理解
- 具备优秀的跨团队沟通协作能力，能将模糊诉求转化为清晰技术方案并推动落地
申请策略
- 提前体验美团App中的「小团」或相关AI功能，思考其在本地生活场景中的优化空间，面试时提出建设性意见
- 突出高并发、高可用复杂系统的架构设计与调优经验，展示在可靠性、性能、成本权衡上的具体案例
- 详细列出在大模型应用、Agent开发、Prompt工程或Function Call等方面的实际项目经验与成果
- 强调跨团队推动复杂项目落地的能力，以及如何将模糊需求转化为清晰技术方案的经历
- 深入学习Agent框架（如ReAct、编排式、自主规划式）及Harness体系的设计理念与业界最新实践
- 补充大模型评测基准、Badcase归因分析及数据驱动迭代闭环的相关方法论
面试指南
- STAR法则：针对架构设计或项目推动问题，按照情境、任务、行动、结果的逻辑清晰阐述
- 权衡思维：在回答性能/成本/稳定性问题时，展现多维度的思考过程，不追求单一指标最优，而是寻找全局最优解
- 请分享一个你主导设计的高并发、高可用系统架构案例，你是如何在性能、成本和可靠性之间做权衡的？
- 在AI Agent开发中，如何解决大模型输出的概率性问题，保障在真实业务环境中的稳定交付？
- 如果让你为本地生活场景的Agent设计一套评测基准与指标体系，你会如何构建？
- 当产品诉求非常模糊时，你通常如何将其转化为清晰的技术方案并推动跨团队落地？
- 深入复习大模型应用开发的核心技术细节（如上下文窗口管理、Tool Use机制、流式处理等）
- 准备1-2个在过往项目中解决线上复杂问题或进行系统重构的硬核技术案例
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
该岗位涉及核心AI业务，薪资水平在市场上具有较强竞争力，且头部互联网企业福利体系完善。
薪资信号未披露（AI估算：3千–5.5万/月）
成长发展
95较高
岗位处于AI Agent工程化最前沿，深度结合自研基座大模型，技术成长空间极大，能积累极具稀缺性的大模型工程实践经验。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Prompt工程、Function Call、ReAct、Java、Go、Python
成长机会AI Coding 文化、AI 辅助研发
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，但亿级用户核心链路研发及线上问题攻坚通常意味着较高的工作强度与响应压力。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
致力于推动本地生活数字化和智能化升级，用技术帮大家吃得更好、生活更好，具有明确的社会价值与用户导向。
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、数字化和智能化升级
创新程度开拓性创新（行业首创）
Watch Jobs