小红书
【2027校招】Agent 应用算法工程师-创新业务
【2027校招】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
机器学习
深度学习
值不值得投
77综合评分
综合评分 77
前沿Agent技术校招岗，技术成长空间极大，产品落地机会明确，但办公模式与WLB信息不明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2.3万
比算法优化工程师中位数低
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 1450 个在招 · 其中算法优化工程师 16 个
市场机会
选择面较广
上海 · 算法优化工程师 · 约 130 个在招
职位详情
关于这个职位
该职位是小红书的2027校招岗位，要求加入创新业务核心算法团队
工作内容主要围绕LLM（大语言模型）和Agent技术，探索其在真实用户产品中的应用，参与AI Native产品从0到1的完整过程
需要负责Agent系统研发、评测与数据体系建设、前沿技术探索以及将技术能力落地到具体产品中
最低要求
专业基础： 计算机、人工智能、数学等相关专业本科及以上学历，具备扎实的机器学习 / 深度学习基础，熟悉 Transformer、大语言模型基本原理
算法与工程能力： 熟练使用 Python、PyTorch、Transformers 等技术栈，具备良好的算法实现、实验分析和工程实践能力
LLM / Agent 经验： 对 LLM / Agent 有较深入的学习或实践，熟悉 RAG、Tool Use、Planning、Memory、Evaluation 等一个或多个方向
有相关科研、项目或实习经历者优先
学习与创新能力： 具备优秀的问题分析、快速学习和技术探索能力，对新技术保持好奇心，能够主动学习并将想法快速转化为实验和原型
我们尤其欢迎：对 Agent 真正感兴趣、喜欢动手做东西，并希望将前沿 AI 技术转化为真实用户产品的同学
工作职责
Agent 系统研发： 参与 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： 参与 Agent 评测和数据体系建设，通过自动化 Eval、Trajectory Analysis、LLM-as-Judge 等方法分析 Agent 行为，并探索 Synthetic Data、SFT / RL、Trajectory Learning 等方法持续提升 Agent 能力
前沿技术探索： 跟踪 LLM / Agent 前沿研究和开源项目，快速完成论文复现、技术验证与原型开发，并探索其在真实业务场景中的应用价值
创新产品落地： 与算法、产品和工程团队协作，将模型与 Agent 能力应用于真实产品，通过快速实验持续优化产品效果与用户体验
优先资格
加分项： 在 NeurIPS、ICML、ICLR、ACL、EMNLP、KDD、WWW、CVPR 等顶级会议发表过相关论文，或在高水平算法竞赛、开源社区、LLM / Agent 项目中有突出成果者优先
AI 洞察
优缺点分析
优点
- 能直接接触和应用最前沿的LLM与Agent技术，参与产品从0到1的创造过程，技术成长速度快
- 岗位是小红书创新业务的核心部分，有机会将技术成果直接转化为影响海量用户的产品功能，成就感强
- 作为超大型企业的校招岗位，平台资源丰富，有成熟的技术体系和良好的职业发展保障
- Agent技术领域仍处于快速发展和探索阶段，技术方案不成熟，需要较强的自主探索和解决问题的能力
- 需要与产品、工程等多个团队紧密协作，沟通协调能力同样重要
- 适合对LLM和Agent技术有浓厚兴趣，具备扎实算法基础和较强工程动手能力，乐于探索前沿技术并希望将其应用于真实产品的应届毕业生
缺点 / 挑战
- 需要在创新业务中快速产出，对学习能力、执行力和抗压能力要求较高
角色解读
- 技术专家路线：在Agent/LLM领域持续深耕，成为该领域的技术专家或架构师，引领团队技术方向
- 产品技术融合路线：凭借对业务和用户的理解，转向AI产品经理或技术负责人，主导AI驱动的产品创新
- 研究路线：如果对前沿探索有浓厚兴趣，可转向更偏向研究的岗位，或在工业界继续从事高水平研究
- 设计和优化Agent系统的核心模块，如规划、工具调用和记忆，使其能处理复杂任务
- 构建Agent的评测框架和数据体系，通过分析模型行为并利用新技术（如强化学习）持续提升其智能水平
- 快速跟进并验证最新的LLM/Agent学术论文和开源项目，探索其在实际产品中的应用潜力
- 与产品、工程团队紧密合作，将算法模型与Agent能力集成到具体产品功能中，并通过A/B测试驱动迭代优化
- 扎实的机器学习/深度学习理论基础，特别是对Transformer架构和大语言模型原理有深入理解
- 熟练的Python编程和工程实践能力，能使用PyTorch、Transformers等框架快速实现和验证想法
- 对LLM应用技术（如RAG、Tool Use、Planning）有实际了解或项目经验，具备将研究想法转化为原型的能力
- 出色的学习能力和技术好奇心，能够快速吸收新知识并应用于解决实际问题
申请策略
- 仔细研究小红书的产品和近期动态，思考LLM/Agent技术可能如何改进现有产品或创造新功能，在面试中展现你的业务思考
- 准备一个能体现你技术热情和动手能力的“故事”，比如你解决的某个技术难题或实现的有趣项目
- 重点突出与LLM、Agent相关的科研项目、实习经历或个人作品，详细说明你的贡献和技术选型
- 展示扎实的编程和机器学习基础，例如通过Kaggle竞赛、开源项目或课程大作业来体现
- 如有顶会论文、高质量算法竞赛成绩或知名的开源贡献，务必清晰列出
- 深入学习Agent相关框架（如LangChain, AutoGPT）和经典论文，尝试搭建一个小型Agent应用
- 强化对RLHF、SFT等大模型对齐技术的理解，并尝试进行相关实践
- 提升将复杂算法问题工程化实现的能力，关注代码效率和可维护性
面试指南
- 使用STAR法则（情境-任务-行动-结果）清晰地描述项目经历，突出你的技术决策和思考过程
- 对于技术问题，先阐述基本原理，再结合实际场景讨论应用、优化和潜在挑战，展示你的深度思考
- 对于开放设计问题，先明确目标和用户场景，再分解任务，提出技术方案（涉及哪些模块、模型、数据），并考虑可行性和迭代计划
- 请描述一个你参与过的与LLM或Agent相关的项目，你在其中扮演什么角色？遇到了哪些技术挑战，如何解决的？
- 你认为一个优秀的Agent系统应该具备哪些核心能力？在实际应用中，最大的技术瓶颈是什么？
- 请解释RAG（检索增强生成）的工作原理，并分析其优势和可能存在的问题
- 如何评估一个Agent系统的性能？除了准确性，还有哪些重要的评估维度？
- 如果让你为小红书的一个场景（如内容创作助手、购物攻略生成）设计一个Agent应用，你会如何构思？
职位点评
薪资福利70
成长发展95
工作生活55
使命价值75
薪资福利
70中等
作为超大型企业的校招岗位，提供了有市场竞争力的薪酬和规范的福利体系，保障性较好。
薪资信号市场水准 (1.8千–2.8万/月)
成长发展
95较高
该职位是技术发展的核心驱动力，要求掌握前沿的LLM/Agent技能，并提供从理论到产品落地的完整成长路径。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Planning、Tool Use、Memory、Evaluation、Synthetic Data、RL、Transformer、PyTorch
成长机会参与AI Native产品从0→1的完整过程、快速完成论文复现、技术验证与原型开发、通过快速实验持续优化
业务类型profit_center
工作生活
55较低
职位描述未明确说明办公模式、工时或工作强度相关信息，无法判断WLB和办公灵活性。
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
75中等
岗位致力于将前沿AI技术应用于真实用户产品，创造直接价值，具有明确的产品使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号将前沿 Agent 技术真正应用到用户产品中、探索其在真实业务场景中的应用价值
创新程度积极采用新技术
Watch Jobs