百度
AI Agent 开发工程师（实习生）（J106681）
AI Agent 开发工程师（实习生）（J106681）
发布于 2 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Agent框架
Autogen
Langgraph
Llm应用开发
Prompt工程
Rag
性能优化
模型评估
值不值得投
72综合评分
综合评分 72
前沿技术栈、核心业务落地导向、成长空间大但节奏可能较快的大厂实习岗。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
6.0千
比人工智能中位数低
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 1350 个在招 · 其中人工智能 41 个
市场机会
选择面较广
北京 · 人工智能 · 约 690 个在招
职位详情
关于这个职位
该职位主要负责百度伐谋Agent Harness的核心模块开发与迭代，涵盖工具调用链路、上下文记忆管理及多Agent编排等关键功能
同时负责编写与维护Agent技能包，搭建自动化评估体系以持续优化模型运行性能
此外需深入真实业务场景进行Agent落地支持，跟踪前沿技术并输出优化方案
最低要求
熟悉大语言模型基本原理，有过LLM 应用层开发经验（Agent、工具调用、RAG 或Prompt 工程方向）
具备扎实的编程能力（Python 为主，熟悉 TypeScript 者加分），有良好的工程习惯与代码质量意识
理解 Agent 的基本工作机制：ReAct 循环、工具调用、上下文窗口管理、多Agent 协作，能清楚说明每一步对最终效果和成本的影响
具备较强的调试与问题定位能力，能从 trace、日志、评测结果中快速找到失败原因并提出改进方案
有较强的学习能力和主动性，关注 Agent 领域前沿进展并能动手验证
具备良好的沟通与文档能力，能与算法、产品、业务团队协同推进项目
工作职责
参与伐谋 Agent harness 的开发与迭代：负责工具调用链路、上下文/记忆管理、多轮与多Agent 编排、任务状态流转等模块的实现与优化
编写与维护 Agent Skills（技能包）：定义触发条件、输入输出契约、步骤与工具依赖，把研发/业务侧的真实流程沉淀为可复用的 Agent 能力单元
建设 Agent 评估体系（eval harness）：设计任务集与评分逻辑，搭建自动化回归流程，对 Agent 的正确率、稳定性、工具调用效率等指标做持续度量与badcase 归因
优化 Agent 运行性能：包括 prompt 与上下文结构优化、token 成本与延迟控制、缓存与并行化、工具调用成功率提升、长任务的稳定性和收敛性优化
参与真实业务场景的Agent 落地支持，把产业侧痛点（调度优化、方案寻优等）拆解为可执行的工程需求，并在交付过程中完成适配与调优
跟踪大模型与 Agent 领域进展，输出技术调研与优化方案
优先资格
有 Skills / MCP / Agent 框架（如 Claude Code、Cursor、LangGraph、AutoGen、Cline 等）的实际使用或开发经验
有 Agent 评测体系建设、benchmark 搭建或模型对比评估经验
了解推理加速、KV Cache、上下文压缩 / 压缩式记忆等性能优化手段
AI 洞察
优缺点分析
优点
- 聚焦AI Agent最前沿技术栈，接触百度核心伐谋平台，技术视野开阔
- 深度参与真实业务场景落地，积累高价值工程实践与复杂系统调优经验
- 依托大厂完善的技术基础设施与导师资源，快速提升工程素养与架构思维
- Agent领域技术迭代极快，需保持高强度自主学习与前沿技术跟进
- 适合对大模型与Agent技术充满热情、具备扎实编程基础、渴望在一线大厂快速积累前沿工程经验的在校生
缺点 / 挑战
- 多Agent编排与性能优化涉及底层机制与复杂链路调试，技术门槛较高
- 业务落地压力大，需在模型效果、成本控制与交付进度间寻找平衡
角色解读
- 从Agent基础模块开发向复杂多Agent系统架构设计进阶，成为大模型应用工程专家
- 深入业务落地场景，积累产业级AI Agent商业化与效能优化的实战经验
- 可向AI产品经理、算法工程师或大模型系统架构师方向拓展，拓宽职业边界
- 负责百度伐谋Agent Harness的核心模块开发与迭代，涵盖工具调用链路、上下文记忆管理及多Agent编排逻辑实现
- 构建与维护Agent技能包（Skills），将业务真实流程转化为可复用、标准化的Agent能力单元
- 搭建自动化评估体系（Eval Harness），设计评测指标与回归流程，持续追踪并优化Agent性能与稳定性
- 扎实的Python编程能力与良好的工程规范，熟悉TypeScript者优先
- 深入理解LLM应用层开发机制，掌握ReAct循环、工具调用、RAG及Prompt工程等核心技术
- 具备Agent框架实际使用或开发经验，熟悉LangGraph、AutoGen等主流生态
- 强大的系统调试与性能优化能力，能通过Trace、日志及评测数据快速定位并解决Badcase
申请策略
- 提前研究百度伐谋平台公开资料与技术博客，展现对该公司Agent生态的了解
- 准备1-2个完整的Agent开发案例，重点阐述技术选型、难点突破与效果评估过程
- 突出LLM应用开发实战项目，详细展示Agent框架使用、Prompt优化或RAG系统搭建经历
- 强调工程能力与代码质量，列出Python/TypeScript项目中的性能优化、自动化测试或CI/CD实践
- 量化成果，如通过评估体系提升Agent准确率、降低Token成本或缩短响应延迟的具体数据
- 系统学习LangChain/LangGraph、AutoGen等主流Agent框架源码与设计模式
- 强化大模型推理加速与上下文管理知识，掌握KV Cache、提示词压缩等性能优化技巧
- 提升数据驱动的工程思维，熟练运用Trace工具与自动化评测脚本进行Badcase归因
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答项目经验，突出技术决策依据与量化产出
- 针对系统设计类问题，先厘清核心约束（如延迟、成本、一致性），再分层阐述架构设计与模块交互
- 对于性能优化与Badcase分析，展示从监控埋点、日志追踪到根因定位的完整闭环方法论
- 请详细描述你使用过的一个Agent框架，其核心架构与工作流是怎样的？
- 在多Agent协作场景中，如何设计上下文管理与通信机制以避免冲突或死锁？
- 面对Agent工具调用失败或响应延迟高的问题，你的排查思路与优化策略是什么？
- 如何设计一套科学的Agent自动化评估体系，涵盖哪些关键指标？
- 复习大模型基础原理与主流Agent范式（ReAct、Plan-and-Solve等），梳理技术演进脉络
职位点评
薪资福利65
成长发展90
工作生活50
使命价值75
薪资福利
65中等
实习津贴符合北京互联网大厂平均水平，满足基本生活与学习开销，但JD未明确披露具体金额。
薪资信号未披露（AI估算：4.5–7.0千/月）
成长发展
90较高
高度契合前沿技术探索，提供接触核心Agent平台与复杂工程架构的机会，技能成长曲线陡峭。
技术前沿前沿/新兴技术
技术栈Python、TypeScript、LLM、Agent、LangGraph、AutoGen、RAG、Prompt工程
业务类型profit_center
工作生活
50较低
JD未明确提及办公模式与工时安排，互联网研发岗通常节奏较快，WLB保障程度待确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
处于AI Agent爆发期，技术落地能直接赋能产业效率提升，具有较强行业前瞻性与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
百度 的其他在招职位
相似职位推荐
Watch Jobs