小红书
【2027校招】Agent平台全栈研发工程师
【2027校招】Agent平台全栈研发工程师
发布于 大约 8 小时前普通员工/个人贡献者
全职员工仅现场办公全栈开发
全栈开发
Agent开发
Go
Llmops
Prompt Engineering
Rag
任务编排
分布式系统
微服务架构
值不值得投
80综合评分
综合评分 80
技术前沿、成长性强的校招研发岗，聚焦AI平台基建，对技术热情要求高，工作生活平衡信息未知。
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
23K
比全栈开发中位数低
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 1360 个在招 · 其中全栈开发 3 个
市场机会
选择适中
北京 · 全栈开发 · 33 个在招
职位详情
关于这个职位
该职位是小红书2027校园招聘的Agent平台全栈研发工程师
主要负责大模型与Agent应用平台的架构设计、核心功能研发以及LLMOps能力的建设，旨在构建高可用、高性能的云原生微服务架构，支撑大模型从训练、部署到Agent应用开发的端到端落地，提升AI生产效率和开发者体验
最低要求
任职要求：
本科及以上学历，计算机、软件工程、人工智能等相关专业优先
具备优秀的代码能力，熟悉 Go / Java / Python 中至少一门语言，具备良好的工程实现能力、代码质量意识和系统抽象能力
具备扎实的计算机基础，理解操作系统、数据结构、算法、数据库、网络、分布式系统等基础知识
熟悉云原生和后端技术栈，包括 Kubernetes、Docker、微服务架构、MySQL、Redis、MQ、SQL 等，有高可用、高并发、可观测系统建设经验优先
了解大模型训练、推理、部署、评估及 Agent 应用开发基本流程，熟悉 Prompt Engineering、Tool Calling、Function Calling、RAG、Workflow 编排、Memory、多轮对话、模型评估等相关概念，有实际开发经验优先
熟悉 AI 编程工具和 AI Native 研发方式，能够高效使用 Claude Code、Codex、Cursor 等工具辅助需求分析、代码开发、测试生成、问题排查和工程重构，具备利用 AI 工具提升复杂系统研发效率的实践意识
责任心强，自驱力强，沟通协作顺畅，能与算法、平台、基础架构和业务团队协同推进复杂项目落地
工作职责
工作职责：
大模型与 Agent 平台架构研发：负责大模型平台、Agent应用平台的架构设计和核心功能研发，构建云原生架构下高可用、高性能、可扩展的微服务体系，支撑模型能力从训练、部署到业务应用的端到端落地
AI 生产链路与 LLMOps 建设：建设面向大模型全流程的 LLMOps / DevOps 能力，覆盖模型训练、模型管理、推理部署、服务发布、监控告警、任务诊断、效果评估等环节，提升大模型生产效率和稳定性
Agent 应用平台建设：参与建设面向业务研发和算法团队的 Agent 开发平台，支持 Agent Workflow、Tool Calling、Function Calling、MCP、RAG、Memory、多轮对话、调试诊断、应用发布等核心能力，降低大模型应用开发和上线门槛
Pipeline 与任务编排系统建设：负责大模型任务流、Pipeline、Argo Workflows / Kubeflow 等任务编排能力建设，提升训练、部署、评估、Agent 应用构建等复杂任务的自动化、可观测和可恢复能力
平台与框架深度结合：将平台能力与训练、推理、部署、Agent Framework 深度结合，通过任务调度、弹性容灾、失败重试、资源隔离、链路追踪、性能优化等能力，端到端提升 AI 生产效率
平台体验优化及业务协同：持续优化 AI 平台和 Agent 应用平台的易用性、稳定性和开发者体验，与算法、推理、训练、云原生、业务研发等团队协作，将平台能力沉淀为可复用、可规模化的标准化能力
优先资格
加分项：
有 AI 大模型平台、MLOps、LLMOps、模型部署平台、训练平台或 Agent 应用平台开发经验
有 Agent Framework、AI Workflow、RAG 平台、MCP Server、工具调用平台、Prompt 管理平台、智能体编排系统等实际建设经验
熟悉 LangChain、LlamaIndex、Dify、Coze、AutoGen、CrewAI、Claude Code、MCP 等 Agent / LLM 应用生态或相关设计思想
熟悉 PyTorch、DeepSpeed、Megatron、vLLM、SGLang、TensorRT-LLM 等大模型训练或推理框架，有实际接入、部署或平台化经验
有分布式系统、大规模在线服务、高并发平台、任务调度系统、多租户平台建设经验
有平台产品意识和 AI 工具使用习惯，能从开发者体验出发优化接入、诊断、链路追踪、监控告警和使用效率
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与大模型与智能体平台建设，处于当前AI技术浪潮的核心，能快速积累稀缺的AI Infra经验
- 技术复杂度高：需要同时理解云原生、分布式系统、大模型生态等多个复杂领域，并将其融合，学习曲线陡峭
- 平台型工作的特点：工作更偏向底层和基础设施，短期内可能较难直接看到业务数据指标上的反馈，需要较强的目标感和耐心
- 适合计算机相关专业、对构建复杂系统和底层基础设施有强烈兴趣，渴望深入AI技术栈，并具备扎实工程基础与学习热情的2027届毕业生
缺点 / 挑战
- 平台影响力：构建的平台将服务于公司内部多个业务线，工作成果有较高的可见度和复用价值
- 成长空间大：作为校招生加入，公司提供了明确的培养路径（校招），且所在团队技术栈新、挑战多，能快速提升综合能力
- 校招生的适应压力：作为新人加入超大型企业，需要快速融入团队，并理解复杂的业务和技术体系，对自驱力和沟通协作要求高
角色解读
- 技术深度路线：专注于云原生、分布式系统或AI Infra的某一领域，成为该领域的专家或架构师
- 技术广度路线：深入理解LLMOps和Agent平台后，向AI平台产品或技术管理方向发展
- 业务融合路线：将平台技术与小红书的内容、社交、电商等具体业务场景深度结合，成为解决复杂业务问题的技术负责人
- 设计并研发支撑大模型和智能体（Agent）应用的核心平台架构，确保其高可用与高性能
- 构建大模型的全生命周期运维体系（LLMOps），实现从训练、部署到监控评估的自动化流程
- 直接开发Agent应用平台，提供工作流编排、工具调用、检索增强生成（RAG）等核心能力，降低AI应用门槛
- 通过任务调度、资源隔离、性能优化等手段，将平台能力与具体AI框架深度结合，提升整体生产效率
- 扎实的计算机基础和至少一门主流编程语言（Go/Java/Python）的工程能力
- 熟悉云原生技术栈（Kubernetes、Docker）和后端微服务、分布式系统开发经验
- 对大模型（训练/推理/部署）和Agent应用开发流程有基本了解，并具备相关概念（如Prompt Engineering, RAG）的实践意识
- 能够熟练使用AI编程工具（如Claude Code, Cursor）辅助开发，具备利用AI提升工程效率的思维
申请策略
- 深入研究小红书在AI和大模型领域的公开技术博客、论文或开源项目，了解其技术栈和关注方向，在面试中展现你的准备和热情
- 理解该职位作为“平台研发”的定位，思考它与业务研发、算法团队是如何协作的，体现你的团队协作和全局视角
- 重点突出云原生（K8s/Docker）、分布式系统或后端开发的相关项目经验，即使是课程项目或开源贡献也要详细描述技术选型和实现难点
- 如果有任何与大模型、LLMOps、Agent、RAG相关的实践（如个人项目、比赛、论文），务必清晰阐述，这是核心加分项
- 明确列出你熟悉的编程语言、框架和工具，并提及对Claude Code、Cursor等AI编程工具的使用体验或思考
- 在项目经历中强调你的工程规范意识，如代码质量、系统设计、文档编写等，体现“代码能力”和“系统抽象能力”
- 系统学习LLMOps和Agent相关技术，可关注LangChain、LlamaIndex、Dify等开源项目的文档和示例，理解其架构思想
- 深化云原生知识，尝试使用Kubernetes部署一个简单的应用，或学习Argo Workflows进行任务编排，弥补实践经验
面试指南
- 使用STAR法则（情境、任务、行动、结果）来组织你的项目经验回答，重点突出你的技术决策和解决问题的思路
- 对于技术原理和系统设计问题，先梳理核心目标和约束条件，再分层（如API层、核心服务层、数据层）阐述你的设计方案，并主动提及高可用、可观测性等考虑
- 对于工具和实践类问题，结合具体案例，说明你如何应用这些工具，解决了什么具体问题，以及你对工具价值的思考，展现你的工程实践意识和反思能力
- 请介绍一个你做过的最有挑战性的后端/系统设计项目，说明你在其中扮演的角色和遇到的难题
- 你如何理解大模型的训练、推理和部署流程？LLMOps需要解决哪些核心问题？
- 如果让你设计一个简单的Agent工作流平台（支持Tool Calling和RAG），你会考虑哪些核心模块和关键技术点？
- 你平时是如何使用AI编程工具（如Cursor）来辅助你完成开发任务的？能否举例说明它带来的效率提升和局限性？
- 复习计算机基础知识：操作系统（进程线程、内存管理）、网络（HTTP/TCP）、数据库（索引、事务）、数据结构与算法（至少熟悉常见算法和复杂度分析）
职位点评
薪资福利80
成长发展92
工作生活55
使命价值85
薪资福利
80较高
作为校招岗位，薪资水平具有市场竞争力，能为应届生提供较好的经济回报。
薪资信号市场水准 (18K-28K/月)
成长发展
92较高
该职位处于AI基础设施建设的核心，技术栈前沿且复杂，能提供从底层系统到AI应用的深度技术积累，成长路径清晰。
技术前沿前沿/新兴技术
技术栈大模型、Agent、LLMOps、Kubernetes、Docker、云原生、微服务架构、RAG、Prompt Engineering、Workflow编排
业务类型profit_center
工作生活
55较低
JD未明确说明工作模式或办公时间，因此无法判断其工作与生活的平衡情况。
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
85较高
参与构建赋能公司内AI创新的平台，属于人工智能这一高速增长赛道，具有较高的技术使命感和行业影响力。
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
Watch Jobs