小红书
AI Agent算法工程师（企业智能）
AI Agent算法工程师（企业智能）
发布于 大约 18 小时前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
本科
软件工程
RAG
LLM
Prompt Engineering
AI Agent
Workflow Automation
AI 估算 · 30k–50k
一线大厂核心AI部门，算法岗位需求旺盛，技术栈前沿，薪资具有竞争力，参考行业水平。
职位详情
关于这个职位
该职位是小红书企业智能部Intelligence Lab的AI Agent算法工程师，专注于利用大模型和Agent技术打造企业级AI产品，如智能工作流、决策辅助系统等
你将参与从算法研究到产品落地的全过程，涉及任务规划、工具调用、上下文理解等核心能力建设，在真实的业务场景中推动AI原生组织的创新
适合对大模型应用、Agent工程有强烈兴趣，且具备较强问题拆解和产品敏感度的技术人才
最低要求
本科及以上学历，计算机、人工智能、数据科学、统计学、信息管理、管理科学、社会科学、心理学、设计、人机交互等相关背景优先
对 AI-native 产品、LLM、Agent、Workflow Automation、Context Engineering 等方向有强兴趣，有相关项目经验优先
具备较强的问题拆解能力和产品敏感度，能够从复杂业务流程中识别高价值 AI 场景，并抽象成可落地的产品或工作流方案
具备一定工程能力者优先，包括 Python、Java、API 调用、RAG、Prompt Engineering、LangChain/LangGraph、Coze等任一相关经验
具备 AI 评测、数据标注、Prompt 优化、RLHF、模型效果分析、Badcase 归因经验者优先
具备优秀的沟通表达和协同推动能力，能够与产品、研发、运营、数据、算法、业务负责人等多角色合作
有好奇心、学习速度快，愿意在不确定性中探索新问题，并把探索结果转化为可验证、可交付、可复用的成果
工作职责
参与小红书内部 AI-native 产品的设计、原型验证和上线落地，围绕组织管理、业务分析、运营提效、知识协同、经营决策等场景，探索 AI 产品新形态
参与 AI Agent 和 Agentic Workflow 的设计与开发，包括任务拆解、工具调用、上下文管理、记忆机制、结果校验、多轮交互和工作流编排等能力建设
参与企业级 Context Layer 建设，结合小红书内部文档、业务数据、项目进展、组织关系、会议纪要、OKR 等信息，构建可被 AI 理解和调用的上下文体系
参与大模型应用评测与 AI Trainer 相关工作，包括 Prompt 设计、模型输出评估、标注规范建设、Badcase 分析、Validation验证、效果评估、质量反馈闭环等
深入小红书真实业务场景，与业务团队一起发现高价值 AI 应用机会，完成需求澄清、方案设计、快速原型、效果验证和产品化沉淀
参与 AI Workflow FDE 项目交付，将业务中的重复性、复杂性、高认知负荷工作流转化为 AI 辅助流程，推动从单点提效走向规模化复用
关注国内外 AI Agent、AI Product、LLM 应用、企业智能、工作流自动化等方向的前沿进展，并结合小红书业务场景形成产品判断和技术方案
优先资格
加分项：
做过 AI Agent、AI 助手、知识库问答、自动化工作流、数据分析 Copilot、运营 Copilot、企业内部工具等项目
熟悉 RAG、Function Calling、Tool Use、多 Agent 协作、工作流编排、模型评测、A/B 实验或数据分析
有 AI 产品从 0 到 1 的原型设计、MVP 搭建、复杂Skill设计和落地、效果验证经验
具备较强的业务 sense，能理解小红书在社区、内容、商业化等场景中的复杂业务问题
有 FDE、解决方案工程师、业务分析、数据分析、产品经理、策略运营等复合型经历优先
AI 洞察
优缺点分析
优点
- 参与AI Agent前沿技术研发，技术栈新，成长空间大，积累稀缺经验
- 小红书核心创新团队，资源充足，能直接接触真实业务场景和高价值问题
- 团队鼓励创新，提供不限制Token和模型的AI工作环境，实验自由度高
- 跨职能协作经验丰富，能够锻炼综合能力
- 企业级应用对稳定性和可靠性要求高，需要严谨的工程思维
- 需要同时处理技术和业务双重需求，对沟通能力和问题抽象能力要求高
- 适合对AI Agent和LLM应用充满热情，具备较强工程和产品思维，喜欢在不确定性中探索并解决问题的高潜力技术人才
缺点 / 挑战
- 技术不确定性高，需要快速学习和探索，工作压力较大
角色解读
- 在AI Agent领域深耕，成为算法专家或技术Leader，主导企业级智能系统的架构设计
- 横向扩展到AI产品经理或解决方案架构师，负责AI-native产品的整体规划与落地
- 结合业务理解，转向高级管理岗位，如AI Lab负责人或技术总监
- 设计并开发企业级AI Agent，实现任务拆解、工具调用、多轮交互等工作流能力
- 构建企业Context Layer，整合文档、数据、组织关系等信息，支撑AI理解业务上下文
- 参与大模型评测与AI Trainer工作，优化Prompt、评估模型输出、闭环反馈效果
- 深入业务场景，识别高价值AI机会，完成从原型到产品落地的全流程
- 扎实的编程能力，熟练使用Python，熟悉LangChain、LangGraph等Agent框架
- 深入理解LLM原理，掌握Prompt Engineering、RAG、Function Calling等技术
- 具备问题拆解和产品敏感度，能从复杂业务中抽象可落地的AI方案
- 良好的跨团队协作和沟通能力，能与产品、运营、业务等多角色合作
申请策略
- 准备一个与Agent相关的技术方案或项目复盘，展示从问题到落地的完整思路
- 了解小红书的业务生态和AI布局，在面试中体现行业认知
- 突出AI Agent或LLM相关项目经验，尤其是任务拆解、工具调用、多Agent协作等实践
- 强调问题拆解和业务理解能力，可举例从业务场景中抽象出AI方案的案例
- 展示编程和框架使用能力，如Python、LangChain、RAG等
- 如有AI评测、Prompt优化、RLHF等经验，务必列出
- 深入掌握LangChain/LangGraph框架，实践多Agent工作流编排
- 学习Context Engineering，了解如何构建企业级知识体系和上下文表示
面试指南
- 采用STAR原则：情境-任务-行动-结果，清晰展示项目背景和个人贡献
- 对于设计类问题，先明确目标，再拆解关键模块，最后对比不同方案的优劣
- 评价类问题要结合量化指标和定性分析，展现系统思维
- 请描述一个你设计的AI Agent系统，包括任务拆解、工具调用和错误处理机制
- 如何评估LLM生成结果的质量？请设计一个评测方案
- 在构建企业Context Layer时，你会考虑哪些数据源和关键技术？
- 如果有多个Agent协作完成任务，你如何设计协调机制？
- 如何将重复性工作流转化为AI辅助流程？举例说明
职位点评
72
综合评分
大厂核心AI创新团队，前沿技术栈，发展空间极大，但需现场办公且可能有一定加班。
更适合这类人
最适合追求技术成长和职业发展，愿意接受一定工作强度，对AI Agent有强烈热情的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展95
工作生活50
使命价值70
薪资福利
75中等
该职位薪资有竞争力，大厂福利完善，但未明确具体薪资范围，薪资信号为未披露。
薪资信号未披露（AI估算：30K-50K/月）
福利待遇不限制Token、不限制模型的AI工作环境
成长发展
95较高
该职位处于AI Agent前沿，技术栈新，成长路径清晰，能参与从研究到落地的完整流程，发展空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、RAG、LangChain、Function Calling、Tool Use、Context Engineering
成长机会导师制？、内部培训？
业务类型ambiguous
工作生活
50较低
工作地点在北京或上海，需现场办公，未提及远程或弹性工作，互联网大厂通常有一定加班文化。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
AI Agent是当前最热门赛道，行业高速增长，但该岗位侧重于企业内部智能化，社会影响力中性。
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