小红书
Agent应用算法工程师-创新业务
Agent应用算法工程师-创新业务
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算法优化工程师
算法优化工程师
Llm
Pytorch
Rag
Rl
Sft
值不值得投
80综合评分
综合评分 80
核心算法团队、前沿Agent技术、从0到1创新业务，技术成长空间大，薪资竞争力强。
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
5万
比算法优化工程师中位数高
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 2130 个在招 · 其中算法优化工程师 21 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 350 个在招
职位详情
关于这个职位
该职位负责小红书创新业务中Agent核心能力的设计与优化，涵盖Context、Planning、RAG等模块，并建设评测与数据闭环
你需要与产品、工程团队紧密协作，推动AI Native产品从0到1的落地，持续探索LLM/Agent前沿技术
最低要求
AI & 产品热情：对 LLM / Agent 及 AI Native 产品有强烈兴趣和探索欲，不局限于模型指标，愿意深入理解用户需求并持续打磨产品体验
技术基础：计算机、人工智能、数学等相关专业硕士及以上学历，具备扎实的机器学习 / 深度学习基础，熟练使用 Python、PyTorch、Transformers 等技术栈
LLM / Agent 经验：熟悉大模型基本原理及主流 Agent 技术，包括 RAG、Tool Use、Planning、Memory、Evaluation 等
具备 LLM / Agent 系统研发或实际业务落地经验
问题解决能力：具备优秀的问题拆解、实验分析和工程实现能力，能够从真实业务问题出发完成方案设计、快速验证和持续迭代
工作职责
Agent 系统研发：负责 Agent 核心能力的设计与优化，包括 Context、Planning、Tool Use、RAG、Memory 等，提升复杂任务下的理解、规划与执行能力
Agent Evaluation & Data：建设 Agent 评测与数据闭环，通过自动化 Eval、Trajectory Analysis、LLM-as-Judge 等方法定位系统问题，并探索 Synthetic Data、Trajectory Learning、SFT / RL 等方法持续提升 Agent 能力
前沿技术探索：跟踪并快速验证 LLM / Agent 前沿技术，结合实际业务场景完成技术选型、实验验证与落地，推动有价值的技术沉淀为可复用能力
创新产品落地：与产品、工程、设计等角色紧密协作，从用户问题出发快速构建和验证产品假设，推动 AI 产品从 0→1，并持续优化用户体验
优先资格
有真实 Agent / AI 产品 0→1 落地经验者优先
具备较强的技术探索和创新能力
有高质量论文、优秀开源项目或有影响力的 LLM / Agent 项目经验者优先
在 NeurIPS、ICML、ICLR、ACL、EMNLP、KDD、WWW、CVPR 等顶级会议发表过相关论文者优先
AI 洞察
优缺点分析
优点
- 处于大模型与Agent技术爆发的核心赛道，能接触到最前沿的LLM/Agent技术并推动落地
- 加入创新业务核心团队，有机会主导AI产品从0到1的孵化，成就感强
- 平台资源丰富，数据与算力支持充足，有利于开展大规模实验与技术探索
- Agent技术仍在快速迭代中，需要持续跟踪前沿并保持高强度的学习与实验
- 跨团队协作与产品落地要求不仅懂技术，还要深入理解用户需求并平衡模型指标与体验
- 对大模型和Agent技术有强烈热情，具备扎实算法基础且渴望在AI Native产品落地中发挥核心作用的算法工程师
缺点 / 挑战
- 创新业务面临较高的不确定性，需要快速验证假设并应对技术落地中的各种未知问题
角色解读
- 从Agent算法工程师成长为技术专家或架构师，主导核心算法模块的设计与演进
- 有机会深入AI Native产品从0到1的孵化过程，积累前沿技术落地与业务结合的复合经验
- 负责Agent核心能力（如Context、Planning、RAG等）的设计与优化，提升复杂任务下的理解与执行能力
- 建设Agent评测与数据闭环，利用自动化Eval和SFT/RL等方法持续提升系统表现
- 与跨职能团队协作，推动AI Native产品从0到1的落地与迭代
- 扎实的机器学习/深度学习基础，熟练使用Python、PyTorch、Transformers等技术栈
- 熟悉大模型原理及主流Agent技术（RAG、Tool Use、Planning等），具备实际业务落地经验
- 具备优秀的问题拆解、实验分析和工程实现能力
申请策略
- 了解小红书在AI和Agent领域的最新产品动态和技术博客，展现对公司业务的深入理解
- 准备一些关于如何平衡模型指标与真实用户体验的思考，体现产品思维
- 突出在LLM/Agent系统研发或实际业务落地中的具体项目经验，尤其是0到1的落地案例
- 展示在RAG、Planning、Tool Use等核心模块的优化成果及量化指标
- 若有顶会论文、高质量开源项目或知名Agent项目贡献，务必在简历中显著位置展示
- 深入学习Agent评测方法（如LLM-as-Judge、Trajectory Analysis）及数据闭环建设
- 熟悉SFT/RL等模型微调与强化学习技术，提升在复杂任务下的系统调优能力
面试指南
- STAR法则：针对项目经验问题，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答，突出个人贡献和量化收益
- 技术深度+业务思考：针对技术问题，先阐述技术原理和选型依据，再结合具体业务场景说明如何落地，最后反思不足与优化方向
- 请详细介绍一个你主导或深度参与的Agent/AI产品从0到1落地的项目，遇到了哪些核心技术挑战？
- 在Agent系统中，你是如何设计或优化Planning和Tool Use模块的？如何评估其效果？
- 针对Agent的评测，你通常采用哪些方法（如自动化Eval、LLM-as-Judge）？如何构建数据闭环？
- 当模型指标提升但用户体验下降时，你会如何排查和解决问题？
- 请分享你对当前LLM/Agent前沿技术（如Synthetic Data、Trajectory Learning）的看法及实际应用经验
- 复习大模型与Agent的核心技术细节，特别是RAG、Planning、Memory等模块的最新进展与工程实践
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
核心算法岗薪资水平处于市场前列，且创新业务通常有较好的绩效回报预期，整体薪酬竞争力强。
薪资信号未披露（AI估算：3.5千–6.5万/月）
成长发展
90较高
岗位聚焦最前沿的LLM/Agent技术，且强调从0到1的产品落地和技术沉淀，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Tool Use、Planning、Memory、Python、PyTorch、Transformers、SFT、RL
业务类型profit_center
工作生活
60中等
JD未提及工作模式与WLB相关信息，无法判断具体工作强度与办公灵活性。
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
参与打造新一代AI Native产品，推动前沿AI技术在实际业务中的落地，具有较高的技术使命感与行业影响力。
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
Watch Jobs