小红书
Agent infra/平台工程师
Agent infra/平台工程师
发布于 大约 20 小时前普通员工/个人贡献者
全职员工仅现场办公平台工程
平台工程
Agent Runtime
Go
Mcp
Multi-Agent
Sandbox
Vllm
分布式系统
可观测性
值不值得投
72综合评分
综合评分 72
AI Agent基础设施前沿岗位，技术成长空间大，但薪资福利未明确，WLB未知。
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
55K
比平台工程中位数高
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 2800 个在招
市场机会
选择适中
北京 · 平台工程 · 36 个在招
职位详情
关于这个职位
作为小红书Agent基础设施工程师，你将参与公司级Agent工程平台的架构设计与核心研发，构建统一、开放、可扩展的Agent技术底座，覆盖运行时、任务编排、安全执行环境、工具与上下文体系等，支撑业务Agent的标准化构建与托管运行
该岗位深度涉及大模型应用工程、分布式系统与云原生技术，是AI基础设施方向的核心技术岗位
最低要求
本科及以上学历，计算机或相关专业优先
具备同等工程能力和项目经验者不受专业限制
熟练掌握 Java、Go、Python、Rust 或 C++ 中至少一门语言，并具备深入的工程实践经验、良好的代码质量意识和系统抽象能力
有后端、平台或基础设施系统的研发和线上运行经验，能够完成从需求分析、架构设计、核心编码到发布运维的完整交付
具备扎实的计算机和分布式系统基础，熟悉以下至少两个方向：高并发服务与分布式任务、Kubernetes 与容器技术、工作流与任务调度、数据库与消息系统、Sandbox 与虚拟化、可观测与稳定性工程
理解 Agent Loop、Tool Use、Context Engineering、Workflow、Memory、MCP、Multi-Agent 等基本机制，并在 Agent Runtime、工具平台、上下文管理、任务编排或执行环境中的至少一个方向有实际工程经验
具备良好的生产系统判断力，能够在可靠性、安全性、性能、成本和开发者体验之间进行合理取舍，并将复杂基础设施抽象为清晰、稳定的接口
自驱力和责任心强，能够处理开放性问题，并与算法、产品、基础架构和业务团队共同推进复杂项目落地
工作职责
建设 Agent Harness 与 Runtime，支持模型交互、任务规划、工具调用、状态维护、结果校验和错误恢复
完善同步、异步、流式及长时间任务的超时、取消、重试、幂等、检查点、暂停恢复和人工介入机制
建设统一的 Agent 能力接入与上下文体系，覆盖 Tool / Function Calling、MCP、Skills、模型服务、知识库和业务系统连接
完善工具注册、发现、版本、鉴权和调用治理，以及 Session、Context 和 Memory 的基础抽象
负责 Agent 平台架构和核心模块研发，支持多租户、应用生命周期、版本发布、弹性伸缩、身份权限和资源配额等能力
建设 Multi-Agent 编排能力，支持 Subagent 委派、并行执行、Agent 间通信、共享状态与产物、权限与预算控制，以及故障处理和终止条件
建设安全、可扩展的 Agent 执行环境，支持代码、浏览器和远程任务执行，完善 Sandbox、环境与镜像、文件与产物、网络访问、凭证管理、权限控制和多租户资源隔离
与模型和推理平台协同优化多模型路由、降级容错、并发与流式策略
通过稳定前缀、缓存感知路由和会话亲和，为 Prefix / KV Cache 复用创造条件，持续改善端到端延迟、吞吐、Token 与资源成本
完善 Agent 可观测和效果优化闭环，建设 Trace、日志、指标、任务回放和故障诊断能力
基于真实任务、用户反馈和评测结果，优化上下文、工具选择、模型路由、重试和结果校验策略，并为评测平台提供标准化运行数据和回放接口
优先资格
参与过 Managed Agent、Agent Builder、Agent Runtime、Agent Framework、Multi-Agent 平台或 AI Coding Agent 的核心研发
有代码执行平台、Browser / Computer Use、Sandbox、远程开发环境、CI/CD、容器运行时、MicroVM 或安全隔离系统研发经验
熟悉 vLLM、SGLang 等推理服务的请求调度、Continuous Batching、Prefix / KV Cache、TTFT、TPOT 和吞吐特性，有模型路由、缓存感知编排或端到端性能优化经验
有多模型网关、流量调度、容量管理、Token Budget、成本归因或弹性资源治理经验
有 Agent Trace、任务回放、线上实验、质量归因、评测反馈接入或复杂故障诊断经验
熟悉 OpenAI Agents SDK、Google ADK、Claude Agent SDK、LangGraph、AgentScope 等 Agent SDK / Framework
AI 洞察
优缺点分析
优点
- 小红书平台业务丰富，Agent应用场景多，能接触多样化的业务需求
- 团队技术氛围浓厚，与算法、产品、基础架构团队紧密协作，能快速提升综合能力
- 技术栈新、迭代快，需要持续学习，保持技术敏感度
- 对综合能力要求高，需要同时具备系统设计、编码、运维和跨团队协作能力
缺点 / 挑战
- 处于AI Agent技术前沿，技术挑战大，成长空间广阔
- 工作强度可能较高，需要应对复杂的技术难题和线上问题
- 适合对AI基础设施有热情、具备扎实分布式系统功底、喜欢挑战技术难题的资深工程师
角色解读
- 在Agent基础设施领域深耕，成为Agent平台架构师或技术专家
- 向AI Infra、大模型推理优化等更前沿方向拓展，成为技术团队的核心骨干
- 有机会带领团队，负责更大规模的Agent平台建设与业务落地
- 负责小红书公司级Agent工程平台的架构设计与核心功能研发，包括Agent Harness、Runtime、任务编排、安全执行环境等
- 建设统一的Agent能力接入与上下文体系，支持Tool/Function Calling、MCP、Skills、模型服务、知识库等
- 与模型和推理平台协同优化多模型路由、降级容错、并发与流式策略，改善端到端延迟、吞吐和Token成本
- 完善Agent可观测和效果优化闭环，建设Trace、日志、指标、任务回放和故障诊断能力
- 熟练掌握Java、Go、Python、Rust或C++中至少一门语言，具备深入的工程实践经验
- 扎实的计算机和分布式系统基础，熟悉高并发服务、Kubernetes、任务调度、数据库、消息系统、Sandbox、可观测性等方向
- 理解Agent Loop、Tool Use、Context Engineering、Workflow、Memory、MCP、Multi-Agent等机制，并有实际工程经验
- 具备良好的生产系统判断力，能够在可靠性、安全性、性能、成本和开发者体验之间进行合理取舍
申请策略
- 关注小红书在AI Agent领域的业务布局和技术博客，了解其技术栈
- 准备一个能体现你Agent平台设计能力的项目案例，在面试中详细阐述
- 突出Agent Runtime、工具平台、上下文管理、任务编排或执行环境等方向的工程经验
- 强调在分布式系统、Kubernetes、高并发服务等基础设施领域的项目成果
- 展示对Agent相关机制（如MCP、Multi-Agent）的理解和实践
- 如有模型路由、推理优化、Sandbox等经验，务必重点描述
- 深入理解Agent Loop、Tool Use、Context Engineering等核心概念
- 熟悉主流Agent SDK/Framework，如LangGraph、OpenAI Agents SDK等
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出你的技术决策和影响
- 从系统设计角度回答，强调权衡取舍，如性能、成本、可靠性、安全性
- 结合具体数据，展示你的优化成果和量化收益
- 请描述你设计或参与过的Agent Runtime或Agent平台的核心架构
- 如何设计一个支持多租户、高并发的Agent执行环境？
- 如何优化Agent的端到端延迟和Token成本？
- 如何保证Agent执行的安全性和可靠性？
- 你如何理解MCP？在项目中如何应用？
职位点评
薪资福利70
成长发展95
工作生活40
使命价值75
薪资福利
70中等
该职位薪资水平在市场中上，但JD未明确具体薪资和福利，补偿性动机满足程度中等。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
95较高
该职位处于AI Agent技术前沿，涉及大量新兴技术，成长空间巨大，发展性动机满足程度极高。
技术前沿前沿/新兴技术
技术栈Agent Runtime、MCP、Multi-Agent、Kubernetes、vLLM、Sandbox、可观测性
业务类型profit_center
工作生活
40较低
JD未提及工作模式和WLB相关信息，工作地点在北京或上海，生活化动机满足程度有限。
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
Agent平台是AI领域的重要方向，对推动AI应用落地有积极意义，但JD未明确提及社会价值。
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