快手
智能创作Agent算法（内容消费）-【商业化】
智能创作Agent算法（内容消费）-【商业化】
发布于 7 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Lora
Pytorch
Vlm
强化学习
值不值得投
75综合评分
综合评分 75
前沿AI Agent技术岗，深耕大模型与多模态生成，技术成长天花板高，但WLB信息不明。
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
5.8万
比机器学习工程中位数高
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 2530 个在招 · 其中机器学习工程 28 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 460 个在招
职位详情
关于这个职位
这个职位隶属于快手商业化部门，专注于利用大语言模型、多模态模型及强化学习等前沿AI技术，设计并优化智能创作Agent系统
你将负责构建一个集剧本创作、分镜生成、视频生成与编辑于一体的智能内容生产平台，推动AIGC技术在快手内容生态中的规模化落地
最低要求
硕士及以上学历，计算机、人工智能、数学、电子信息等相关专业优先
精通 Python，具备扎实的 C/C++/Go/Java（至少一门）基础，具备优秀的软件工程能力与系统设计能力，追求高质量代码实现
深入理解 Transformer 架构及大模型（LLM/VLM/Reasoning Model）原理
熟悉 PyTorch/TensorFlow 等深度学习框架
掌握强化学习、自然语言处理、搜索推荐或计算机视觉相关基础理论
深入理解 Agent 核心范式，包括 Planning、Reasoning、Tool Use、Memory、RAG、Workflow、Multi-Agent 等
熟悉 MCP、Function Calling、Structured Output 等 Agent 生态技术
熟悉主流 AIGC 与多模态生成技术，包括但不限于 Stable Diffusion、ControlNet、LoRA、视频生成与编辑等相关方向
具备优秀的学习能力与技术热情，对 Agent、AGI 与 AI Native 应用方向有浓厚兴趣
逻辑清晰，具备良好的沟通协作能力与独立推进复杂项目的能力
工作职责
负责智能创作 Agent与AI 内容生产模型的设计与优化：基于大语言模型与多模态模型，构建具备自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长短期记忆（Memory）、RAG 增强、多 Agent 协作及复杂 Workflow 编排能力的内容创作系统，覆盖剧本创作、分镜生成、角色设定、视频生成、内容编辑等复杂内容生成流程，持续提升生成效果、可控性与一致性
负责 AIGC 图像与视频生成算法研发，推动生成模型在内容创作场景中的规模化落地
探索 Agentic Framework 下的多模态内容创作系统，推动 LLM、VLM、视频生成模型与外部工具深度结合，构建理解、规划、生成、编辑一体化的智能创作 Agent
负责 Agent Framework 与 Agent Runtime 的设计与研发，包括 Tool Calling、Memory System、Workflow Engine、Sandbox、Agent Gateway、Skill System 等核心模块，探索长期运行（Persistent Agent）与自我进化（Self-improving Agent）能力
应用强化学习（RL）、SFT、Preference Alignment（DPO/PPO/GRPO/RLVR 等）等技术，提升 Agent 在复杂任务中的推理、规划、执行与泛化能力
参与构建 Agent 数据闭环与评测体系，包括 Agent Benchmark、Tool-use Evaluation、Long-horizon Evaluation、Trajectory Dataset 等，通过数据驱动持续优化模型与系统效果
优先资格
顶会论文发表经验优先
在 ACM-ICPC、NOI/IOI、Kaggle 等竞赛中获得优异成绩
为知名开源项目核心贡献者，或在开源社区具备较强影响力
有 LangChain、AutoGen、MetaGPT、OpenClaw、Hermes Agent 等 Agent Framework / Runtime 的使用或二次开发经验
有 RLHF/RLVR、Reasoning Model、Agent Fine-tuning、大模型 Post-training 等相关经验优先
有 AI Native 产品、AI Agent 平台或企业级 Agent Workflow 的 0-1 构建经验优先
AI 洞察
优缺点分析
优点
- 技术前沿性：直接参与大模型、Agent等当下最热门的AI技术在超级内容平台的落地应用，技术成长空间巨大
- 业务影响力：所研发的技术将直接服务于快手数亿用户的内容创作与消费，有明确的业务价值和规模化应用前景
- 资源与平台：背靠快手平台，拥有海量的多模态数据、强大的算力支持和丰富的应用场景，利于技术验证与迭代
- 业务目标明确：岗位隶属于商业化部门，技术探索需紧密结合业务目标（如提升内容生产效率、促进商业转化），平衡创新与落地
- 适合对Agent、大模型等前沿AI技术有浓厚兴趣和扎实基础，具备出色系统设计与工程实现能力，且希望在大型内容平台将技术转化为实际产品影响力的算法工程师
缺点 / 挑战
- 技术挑战高：需要融合大模型、多模态生成、强化学习、系统工程等多个领域的知识，技术深度和广度要求都很高
- 落地压力大：需将前沿技术转化为稳定、可控、可规模化的线上产品，对工程化能力和问题解决能力要求高
角色解读
- 技术专家路线：深耕Agent与AIGC算法，成为该领域的资深专家或架构师，负责更核心的技术突破与架构设计
- 技术管理路线：在积累深厚技术能力后，可转向技术团队管理，负责AI创作平台或相关业务线的整体技术规划与团队建设
- 前沿探索路线：持续追踪AGI与AI Native应用趋势，有机会参与公司级或行业级的下一代智能创作系统预研
- 负责设计和优化基于大语言模型与多模态模型的智能创作Agent系统，实现从剧本到视频的自动化、智能化内容生成
- 研发AIGC图像与视频生成算法，并推动其在快手商业化内容创作场景中的应用和规模化落地
- 构建Agent的核心框架与运行时，包括工具调用、记忆系统、工作流引擎等模块，提升Agent的复杂任务处理与自我进化能力
- 构建Agent的数据评测闭环，通过数据驱动持续优化模型和系统效果
- 深入掌握大语言模型（LLM）、视觉语言模型（VLM）及Transformer架构原理，并能熟练运用PyTorch等框架进行模型开发
- 精通Agent核心范式（Planning, Reasoning, Tool Use, Memory等）及相关生态技术（MCP, Function Calling）
- 熟悉强化学习（RLHF/RLVR等）及多模态生成技术（如Stable Diffusion, 视频生成）
- 具备优秀的软件工程与系统设计能力，能使用Python及至少一门其他语言（C++/Go/Java）实现高质量代码
申请策略
- 仔细研究快手在AIGC和内容创作领域已有的技术布局和产品（如快影的AI功能），以便在面试中展示你的业务理解
- 在面试中，除了阐述技术原理，更要强调你如何思考技术落地，如何设计评测体系来衡量Agent效果，以及如何平衡效果与成本
- 重点突出与大模型（LLM/VLM）、Agent（规划、推理、工具调用）、强化学习（RLHF/RLVR）相关的项目经验或研究成果
- 展示在复杂系统设计、模型训练优化、分布式工程等方面的实际能力和代码成果（如开源贡献、论文、竞赛成绩）
- 强调对AI Native应用或AIGC领域的深入理解与实践，如有相关产品或平台构建经验将是巨大优势
- 深入学习并实践Agent最新框架（如LangChain, AutoGen等）及工作流编排技术，积累端到端项目经验
- 跟进多模态生成模型（如Sora类视频生成）的最新进展，并尝试在实际任务中应用与优化
- 加强系统设计能力，特别是如何将模型能力与工程系统（如沙箱、网关）高效、稳定地结合
面试指南
- 对于系统设计问题，采用“需求分析-核心模块设计-关键技术选型-效果评估-迭代优化”的框架进行回答
- 对于技术原理问题，先阐述基本概念，再结合具体场景（如内容创作）说明应用方式和可能遇到的问题（如一致性、可控性）
- 对于评估类问题，从准确性、可控性、稳定性、效率等多个维度构建评估体系，并说明如何通过数据闭环进行优化
- 请描述一个你设计的复杂Agent系统或流程，其中遇到了哪些技术挑战，你是如何解决的？
- 在Agent的长期记忆（Memory）系统和工具调用（Tool Use）方面，你认为有哪些关键设计点？如何保证其可靠性和效率？
- 如何评估一个多模态Agent在复杂创作任务上的效果？你会设计哪些评测维度和指标？
- 如果让你负责构建快手的内容创作Agent平台，从0到1你会如何规划技术路线和核心模块？
- 强化学习（如RLHF）在提升Agent能力方面有哪些应用场景和潜在挑战？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利
75中等
JD未披露具体薪资信息，但作为上市公司的商业化核心算法岗位，预计薪酬具备市场竞争力。岗位稳定性较高。
薪资信号未披露（AI估算：4.5千–7万/月）
成长发展
90较高
该职位直接涉及大模型、Agent、强化学习等前沿技术领域，技术深度和广度要求极高，是快速提升AI全栈能力与系统思维的绝佳机会。
技术前沿前沿/新兴技术
技术栈LLM、VLM、Agent、强化学习、PyTorch、Stable Diffusion、LoRA、Transformer、RAG、Tool Use
业务类型profit_center
工作生活
50较低
JD未提及任何办公模式、工作时间或福利待遇信息。作为高强度技术研发岗位，工作压力可能较大。
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
80较高
职位致力于用AI技术革新内容创作方式，推动AIGC规模化落地，对短视频内容生态有直接影响，技术价值与社会影响力结合紧密。
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