小红书
Agent开发工程师-（点点急）
Agent开发工程师-（点点急）
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AI算法
AI算法
Ai Agent
Java/Python/Go
Langgraph
Llm Application
Prompt Engineering
Rag
值不值得投
81综合评分
综合评分 81
前沿AI技术栈、大厂平台背书、高成长潜力，但需做好应对高强度研发压力的准备
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
4.0万
比AI算法中位数低
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 2360 个在招 · 其中AI算法 2 个
市场机会
选择适中
北京 · AI算法 · 50 个在招
职位详情
关于这个职位
负责面向搜索、问答及复杂任务场景的 AI Agent 应用研发，构建核心执行链路（如 ReAct 推理、任务规划）与工具调用体系
通过上下文工程优化多轮对话体验，并推进大模型应用的工程化落地，包括 Prompt 管理、流式输出及效果评测，保障高并发下的系统稳定性与服务质量
最低要求
本科及以上学历，计算机、软件工程、人工智能等相关专业，具备约3年后端或 AI 应用研发经验
熟练掌握 Java、Python、Go 中至少一种编程语言，具备良好的数据结构、网络、并发编程及后端工程基础
熟悉 LLM 应用开发范式，理解 Prompt Engineering、RAG、Embedding、Tool/Function Calling、ReAct 等核心概念
具备 AI Agent 项目实践，能够独立完成任务编排、工具调用、上下文管理、多轮对话等一个或多个核心模块的设计与开发
熟悉 LangGraph、LangChain、Spring AI、Dify、Coze 等框架或平台中的至少一种，并理解其核心设计思路，而非仅停留在 API 调用层面
具备分布式系统设计基础，理解超时、重试、幂等、熔断、限流、降级及可观测性等生产工程问题
具备良好的问题抽象、沟通协作和工程落地能力，能够从业务目标出发完成方案拆解、研发交付、效果评测和持续迭代
技术驱动，持续关注大模型与 AI Agent 领域的发展，能够结合业务场景形成自己的技术判断
工作职责
负责面向搜索、问答、推荐及复杂任务场景的 AI Agent 应用研发，参与从需求分析、方案设计、工程实现到上线迭代的完整流程
设计和实现 Agent 核心执行链路，包括任务规划、ReAct 推理循环、状态流转、模型与工具交替执行、异常处理及结果生成等模块
建设可扩展的工具调用体系，完成 Tool 的统一注册、参数校验、并行调用、超时重试、异常降级及调用结果追踪
负责多轮对话与模型交互的上下文工程，包括消息构造、历史筛选、Token 预算、上下文裁剪与压缩、状态隔离、短期与长期记忆，以及 RAG 检索结果的组织与回填
推进大模型应用工程化，覆盖 Prompt 模板管理、模型与流程路由、流式输出、模型降级、缓存策略、灰度实验和效果分析
建立 Agent 质量保障机制，建设离线评测集、过程评测、端到端评测、Bad Case 归因和线上指标监控，持续提升应用效果与可靠性
持续优化 AI 应用的性能与稳定性，完善限流、熔断、重试、降级、链路追踪和异常监控机制，保障高并发场景下的服务质量
与产品、算法及横向研发同事协作，将模型能力、业务工具和产品交互整合为可持续迭代的 AI 应用
优先资格
加分项：
有 Planning、Multi-Agent、Agent as Tool、工作流引擎或任务调度系统的实践经验
有搜索、推荐、知识问答、交易决策或复杂任务型 AI 应用经验
有 Agent Eval、LLM-as-a-Judge、执行轨迹分析、Bad Case 自动归因或评测平台建设经验
具备 AI 应用全链路流量压测经验，能够覆盖应用接入、Agent 编排、模型推理、上下文处理、RAG 检索及 Tool 调用链路，围绕并发量、吞吐量、首 Token 延迟、TP99、成功率和工具耗时完成瓶颈分析与性能优化
熟悉向量数据库、语义缓存、模型微调、数据合成或训练数据闭环
了解 MCP、A2A 等 Agent 工具与通信协议，并有实际接入经验
AI 洞察
优缺点分析
优点
- 处于AI Agent前沿赛道，技术栈新颖且具有极高的行业竞争力
- 依托小红书海量用户场景，拥有丰富的落地实践机会和数据资源
- 大厂平台提供完善的工程基础设施和技术成长环境
- AI Agent领域技术迭代极快，需要持续高强度学习以保持技术敏锐度
- 业务场景复杂，需在技术创新与业务价值之间找到平衡点
- 适合具备扎实后端基础且对AI前沿技术充满热情，渴望在复杂场景中解决工程难题的技术人员
缺点 / 挑战
- 工程化挑战大，需解决幻觉、延迟、成本等多重技术问题，对稳定性要求极高
角色解读
- 向AI架构师方向发展，主导复杂AI系统的整体设计与技术选型
- 成为AI Agent领域的专家，深耕多智能体协作、自主规划等前沿方向
- 转向AI产品经理或技术负责人，统筹AI应用的业务落地与团队管理
- 负责AI Agent核心链路的开发与维护，包括任务规划、推理循环和状态管理
- 构建和优化工具调用体系，确保模型与外部工具的稳定交互
- 进行上下文工程优化，提升多轮对话的准确性和效率
- 推动大模型应用的工程化落地，包括性能优化、评测体系建设及故障排查
- 扎实的编程基础（Java/Python/Go），熟悉后端工程与分布式系统设计
- 深入理解LLM应用开发范式，掌握RAG、Prompt Engineering、ReAct等核心技术
- 熟练使用LangChain/LangGraph等主流Agent框架，理解其底层原理
- 具备AI应用性能调优和质量保障能力，熟悉相关监控与评测工具
申请策略
- 准备具体的AI Agent项目案例，重点阐述技术难点及解决方案
- 了解小红书的业务场景，思考AI Agent如何赋能搜索、推荐或社区互动
- 突出AI Agent相关项目经验，详细描述在任务编排、工具调用或上下文管理上的具体贡献
- 展示对LangChain/LangGraph等框架的深度理解，而非简单的API调用经历
- 强调后端工程能力，特别是高并发、分布式系统及性能优化方面的实战成果
- 深入研究ReAct、Plan-and-Solve等高级Agent范式及其实现细节
- 加强向量数据库、RAG检索优化及LLM评测体系的学习与实践
- 提升分布式系统设计能力，关注服务治理、可观测性及容错机制
面试指南
- STAR法则：清晰描述情境、任务、行动和结果，重点突出技术决策背后的思考
- 深度优先：不仅回答“怎么做”，更要解释“为什么这么做”，展现对底层原理的理解
- 数据支撑：用具体的性能指标（如延迟降低多少、准确率提升多少）来量化成果
- 请详细介绍你过往项目中AI Agent的核心架构设计，特别是如何处理复杂任务分解？
- 在RAG系统中，如何解决检索准确性低或上下文过长导致的性能问题？
- 面对LLM输出的不稳定性，你在工程层面有哪些具体的降级、重试或监控策略？
- 如何评估一个AI Agent的效果？请分享你构建评测集或自动化评测体系的经验
- 在设计多Agent协作系统时，如何避免死锁或无限循环，并确保通信效率？
职位点评
薪资福利85
成长发展95
工作生活60
使命价值70
薪资福利
85较高
作为C轮后超大型企业，提供具有市场竞争力的薪酬和完善的福利体系，满足度高。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
95较高
职位聚焦AI Agent前沿技术，技术栈先进，成长空间巨大，发展性动机极强。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、LangGraph、LangChain、RAG、ReAct、Prompt Engineering、Multi-Agent
业务类型profit_center
工作生活
60中等
JD未明确提及WLB，但大厂核心研发岗通常面临一定工作压力，生活化动机中等。
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
70中等
通过AI提升搜索、问答等用户体验，具有一定的社会价值和行业影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
小红书 的其他在招职位
相似职位推荐
阿里云智能-集合通信优化技术专家-杭州/北京
阿里巴巴 · 杭州市
AI 估算 · 6.0–10.0万14 分钟前发布
数据技术及产品部-AI领域专家-美术方向
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万14 分钟前发布
业务技术-AI Agent 应用开发工程师-数据Agent方向
阿里巴巴 · 杭州市
AI 估算 · 2.5–4.0万14 分钟前发布
智多星-大模型与数据建模
阿里巴巴 · 北京市
AI 估算 · 1.5–2.5万14 分钟前发布
阿里云智能-终端智能创新业务 AI开放生态开发工程师-杭州
阿里巴巴 · 杭州市
AI 估算 · 3.0–5.0万14 分钟前发布
算法工程师-Agent在线强化学习（T-Star Lab）
阿里巴巴 · 杭州市
AI 估算 · 1.5–3.0万14 分钟前发布
实习生-AI Agent 实习生招聘
阅文集团 · 上海市
AI 估算 · 0.2–0.4千2 小时前发布
算法实习生
万兴科技 · 长沙市
AI 估算 · 6.0千–1.0万2 小时前发布
Watch Jobs