百度
智能体算法工程师（J101447）
智能体算法工程师（J101447）
发布于 大约 10 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Pytorch
Rlhf
Sft
多智能体
大语言模型
工具调用
强化学习
智能体
AI 估算 · 25k–45k
百度属于一线互联网大厂，算法工程师岗位薪资竞争力强，硕士2年经验结合智能体方向稀缺性，预估月薪2.5w-4.5w，16薪
职位详情
关于这个职位
该职位负责百度通用智能体核心算法的设计与研发，包括任务规划、工具调用、多智能体协同等前沿方向，并推动技术落地
你将参与构建下一代AI Agent系统，使用大模型、强化学习等技术持续优化模型能力
适合对通用智能体方向有热情、具备扎实算法工程背景的候选人
最低要求
计算机、人工智能、数学等相关专业硕士及以上学历，2年以上算法研发经验
扎实的机器学习/深度学习基础，熟悉 Transformer 及大语言模型原理，熟练使用 PyTorch 等主流框架
具备 LLM 相关实践经验，如 Prompt Engineering、SFT、RLHF/DPO、模型评估等至少一个方向的深入积累
优秀的工程实现能力，熟练掌握 Python，有大规模训练或线上服务经验者优先
良好的沟通协作能力与业务落地意识，对通用智能体方向有热情和长期投入的意愿
工作职责
负责通用智能体核心算法的设计与研发，包括任务理解与拆解、长程规划(Planning)、反思与自我修正(Reflection)、记忆机制(Memory)等
建设 Agent 工具调用(Tool Use / Function Calling)体系，提升工具选择、参数生成、多工具编排的准确率与稳定性
探索多智能体(Multi-Agent)协同架构，支持复杂任务的分工、协作与结果聚合
构建 Agent 评估体系与数据飞轮，通过 SFT、RL、蒸馏等手段持续优化模型的 Agentic 能力
跟踪业界前沿(如 Agent RL、Computer Use、Deep Research 等方向)，推动新技术在业务中快速落地
优先资格
有 Agent 相关研发经验者优先：任务规划、工具调用、RAG、多智能体框架（如 LangGraph、AutoGen 等）、Agent 评测
AI 洞察
优缺点分析
优点
- 百度平台资源丰富，有大规模数据和计算集群支持，可参与实际业务落地
- 团队氛围技术导向，有机会与行业顶尖人才合作，发表顶会论文
- 薪资待遇优厚，百度16薪，股票期权等福利完善
- 领域仍处于早期，技术路线不确定，需持续学习并探索新方向
- 对综合能力要求高，不仅需要算法深度，还需良好的工程和协作能力
- 适合对通用智能体、大模型有强烈热情，具备扎实算法和工程背景，愿意在高强度下持续突破的技术型人才
缺点 / 挑战
- 处于AI最前沿的智能体赛道，技术挑战大、创新空间足，能快速积累稀缺经验
- 工作强度较高，需快速跟进前沿进展并落地，可能面临较大的研发压力
角色解读
- 技术深耕方向：从高级算法工程师到首席科学家，在智能体、强化学习、多模态等前沿领域成为专家
- 管理方向：可晋升为技术Leader，带领团队探索新技术并推动业务落地
- 跨领域发展：智能体算法经验可迁移至机器人、自动驾驶、AI产品等多个高价值领域
- 设计并实现智能体的核心算法，如任务规划、反思、记忆等模块，推动通用智能体能力的突破
- 搭建工具调用体系，提升模型使用外部工具（API、数据库等）的准确性和可靠性
- 研究多智能体协同架构，解决复杂任务的分解与协作问题
- 构建评估闭环，通过强化学习、蒸馏等技术持续迭代模型性能
- 扎实的算法基础：精通机器学习、深度学习，深入理解Transformer和大语言模型原理
- 工程能力：熟练使用PyTorch，具备Python开发经验，能处理大规模训练或线上部署
- LLM实践经验：至少熟悉Prompt Engineering、SFT、RLHF/DPO中的一个方向
- Agent研发经验（优先）：了解任务规划、工具调用、RAG、多智能体框架等
申请策略
- 关注百度在智能体领域的公开演讲和技术文章，在面试中展示对业务方向的理解
- 准备一个完整的Agent项目案例，从问题定义、方案设计到效果评估，体现系统性思考
- 突出LLM相关项目经验，尤其是Agent方向的成果（如任务规划、工具调用等），用具体指标量化
- 强调工程落地能力，如大规模训练、线上服务优化、框架搭建等
- 展示学术或开源贡献：顶会论文、GitHub项目、技术博客等
- 如有相关实习/工作经验，重点描述在智能体、RL、多模态等领域的实践
- 提前学习主流Agent框架（LangGraph、AutoGen等），并动手实现一个简单Agent
- 深入理解强化学习（PPO、DPO）和蒸馏技术，并尝试在小项目中使用
面试指南
- STAR法则：情境、任务、行动、结果，结合具体数据展示能力
- 分点阐述：先说明核心问题，再给出多种解决方案，最后总结最佳实践
- 对比分析：提出不同方法的优劣，体现技术广度与深度
- 请详细描述你之前做过的Agent相关项目，包括技术选型、遇到的挑战及解决方案
- 如何提升大模型在工具调用上的准确率？有哪些常用的策略？
- 多智能体协同的架构有哪些？对比它们的优缺点
- 解释一下RLHF和DPO的区别，并说明在Agent场景中如何应用
- 当模型在规划中出现错误时，如何设计反思机制来自我修正？
职位点评
74
综合评分
百度智能体算法岗：前沿技术、高成长、高薪资，但工作强度大、办公灵活度低。
更适合这类人
该职位最适合追求技术成长、愿意投入时间挑战前沿问题的求职者，不适合看重工作生活平衡的人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展92
工作生活40
使命价值85
薪资福利
80较高
百度薪资水平位于行业前列，16薪和股票福利较强，但具体薪资需面议，整体补偿性较高。
薪资信号面议 (25K-45K/月)
成长发展
92较高
智能体算法是AI前沿方向，工作内容涉及多项新技术，且有大量实践和探索机会，成长空间极大。
技术前沿前沿/新兴技术
技术栈大语言模型、智能体、强化学习、SFT、多智能体、工具调用
业务类型profit_center
工作生活
40较低
工作地点仅在北京现场办公，未提及弹性或远程，互联网大厂研发岗位通常加班较多。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
85较高
通用智能体方向具有重大社会价值，是AI领域最具影响力的方向之一，百度平台能推动技术落地。
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
Watch Jobs