小红书
数据 Agent 研发工程师-电商经营数据与诊断
数据 Agent 研发工程师-电商经营数据与诊断
发布于 3 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
Llm
Nl2Sql
Rag
Tool Calling
分布式系统
数据仓库
值不值得投
80综合评分
综合评分 80
核心电商AI数据岗，技术栈前沿、成长空间大、业务价值高，但工作节奏可能较快。
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
3.8万
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 1410 个在招 · 其中人工智能 56 个
市场机会
选择面较广
杭州 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
该职位主要负责小红书电商经营场景下的数据产品与数据Agent研发，帮助商家通过AI理解数据并采取行动
你将参与核心数据场域建设，利用RAG、Tool Calling等技术打造可靠的数据Agent，并协同团队将AI能力落地到商家工作台
最低要求
本科及以上学历，计算机、软件工程、数据等相关背景，计算机基础扎实
熟练掌握 Java / Golang / Python 等至少一种主流语言
熟悉分布式系统、缓存、MySQL 等常见基础组件
理解数据仓库、指标体系、SQL、ETL 等数据研发基础
有 LLM / Agent 项目经验，熟悉 RAG、Context Engineering、Tool Calling 等机制
有较强的产品意识、业务理解和问题拆解能力，能够独立推动复杂项目落地
关注 Agent 的准确性、稳定性和可评测性
工作职责
建设经营首页、买手、笔记、直播、商品等核心数据场域，以及总览、下钻、对标、竞店分析等产品能力
建设面向全店及各经营场域的数据 Agent，支持问题识别、归因分析与经营建议生成
抽象通用的数据查询、筛选、对比、钻取与明细能力，沉淀指标口径、业务规则和数据关系等 AI 知识资产
基于 RAG、Tool Calling、Workflow 等技术建设可靠 Agent，并搭建校验、评测和自动化回归体系
协同各团队，将经营诊断与 AI 能力落地到商家经营工作台
借助 AI Coding 等工具，完成全栈端到端产品交付
优先资格
有电商、商业化、经营分析、数据产品、BI 或指标平台相关研发经验
有全栈研发或复杂数据可视化产品经验
有 NL2SQL、数据问答、智能分析、异常诊断相关经验
有 Agent Framework、MCP、Skills、Evaluation 等生产实践
AI 洞察
优缺点分析
优点
- 处于AI与电商数据结合的前沿赛道，能够积累大模型在复杂业务场景落地的稀缺经验
- 依托庞大的电商生态，业务场景丰富，技术成果能直接赋能商家，成就感强
- 团队技术栈现代，鼓励使用AI Coding等工具提升效能，技术氛围开放
- 数据Agent的准确性与稳定性要求极高，需要解决大模型幻觉及复杂业务逻辑对齐的难题
- 跨团队协同较多，需要深入理解电商各场域（直播、笔记、商品等）的复杂业务规则
- 适合具备扎实后端基础且对大模型应用有热情，渴望在AI+电商数据领域深耕的中高级研发工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可深耕AI Agent与数据工程领域，成为大模型应用架构师或数据AI技术专家
- 横向可向数据产品经理或业务技术负责人转型，主导电商经营诊断与商业化数据战略
- 负责电商经营场景下的数据产品与数据Agent研发，帮助商家通过AI理解数据并指导经营决策
- 利用RAG、Tool Calling等技术构建可靠的数据Agent，实现问题识别、归因分析与建议生成
- 抽象通用数据能力，沉淀AI知识资产，并协同团队将AI诊断能力落地到商家工作台
- 扎实的计算机基础与后端开发能力，熟练掌握Java/Golang/Python及分布式系统、数据库等组件
- 具备大模型应用开发经验，熟悉LLM、Agent、RAG、Tool Calling等核心机制
- 拥有较强的产品意识与业务理解力，能够独立拆解问题并推动复杂项目端到端落地
申请策略
- 提前体验小红书商家后台，了解其现有的数据产品形态，思考AI Agent可以优化的切入点
- 准备一个端到端的Agent项目Demo，展示从问题拆解、知识沉淀到工具调用的完整思考过程
- 重点突出LLM/Agent项目经验，特别是RAG、Tool Calling、NL2SQL等技术的实际落地案例
- 展示在数据仓库、指标体系或BI平台方面的研发经验，证明对数据底层逻辑的理解
- 强调独立推动复杂项目的能力，以及将技术转化为业务价值的产品意识
- 深入学习Agent Framework、MCP、Evaluation等前沿技术，提升Agent评测与自动化回归体系搭建能力
- 熟悉电商经营分析逻辑，了解商家在流量、转化、商品管理等维度的核心痛点与数据指标
面试指南
- STAR法则：针对项目经验，按照情境、任务、行动、结果的结构，突出技术难点与业务收益
- 架构设计思路：针对系统设计问题，从需求分析、技术选型、核心模块设计、评测与优化四个维度展开
- 请分享一个你主导的LLM/Agent项目，你是如何保证Agent的准确性和稳定性的？
- 在构建数据Agent时，如何处理大模型的幻觉问题？你的评测体系是如何设计的？
- 如果让你设计一个针对电商商家的经营诊断Agent，你会如何拆解问题和设计工作流？
- 面对复杂的电商业务规则，你如何将指标口径和业务逻辑沉淀为AI可理解的知识资产？
- 复习RAG、Tool Calling、Context Engineering等核心概念，准备实际项目中的踩坑经验与解决方案
- 了解小红书电商业务的基本盘，熟悉商家经营的核心数据指标（如GMV、转化率、ROI等）
职位点评
薪资福利85
成长发展90
工作生活60
使命价值80
薪资福利
85较高
作为核心AI研发岗，薪资水平处于市场中上游，能够提供较好的物质回报。
薪资信号未披露（AI估算：2.5千–5万/月）
成长发展
90较高
岗位处于AI与数据结合的前沿领域，技术栈现代，能够接触到复杂的业务场景与前沿的Agent技术，成长空间巨大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Tool Calling、Context Engineering、NL2SQL、AI Coding
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与加班情况，但作为核心业务线的AI研发岗，且要求独立推动复杂项目，工作节奏可能较快。
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AI技术赋能商家，帮助商家从看到数据到采取行动，具有较高的业务价值，推动电商生态的智能化发展。
行业发展高速增长赛道
社会影响中性/一般
使命信号帮助商家从“看到数据”走向“理解问题并采取行动”、让数据真正成为商家的经营工具
创新程度积极采用新技术
Watch Jobs