百度
Agent策略工程师（J105193）
Agent策略工程师（J105193）
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人工智能
人工智能
Cot
Dpo
Harness工程
Rlhf
Sft
健康医疗
大模型
值不值得投
74综合评分
综合评分 74
百度健康AI Agent核心岗位，技术前沿挑战大，成长性强，健康赛道有价值感。
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
40K
比人工智能中位数高
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 1110 个在招 · 其中人工智能 16 个
市场机会
选择面较广
北京 · 人工智能 · 约 380 个在招
职位详情
关于这个职位
该职位负责百度健康场景下内容生成AI Agent的核心策略设计与工程化落地
你将主导基于Agentic Looping的自动化质量提升机制，设计多工具协同调度策略，并搭建Harness工程体系来保障服务的稳定与安全
这是一个兼具技术深度与工程挑战的前沿岗位
最低要求
计算机相关专业硕士及以上学历，扎实的编程功底与复杂系统设计能力
深入理解Agent核心体系（Planning、Tool Use、Memory、Reflection），熟悉ReAct/CoT等推理范式，具备Agentic Looping的系统化思维与落地经验
熟练掌握大模型微调与对齐技术（SFT/DPO/RLHF），有实际的数据工程、训练调参与效果评估全流程经验
具备Harness工程、自进化数据闭环或大规模推理系统工程实践背景
工作职责
主导健康内容生成Agent的策略设计与迭代，构建基于Agentic Looping的自动化问题巡检与效果自进化机制，驱动生成质量持续提升
负责Agent核心工具（医生/药品检索等）的任务化调度与智能路由策略，优化多工具协同机制，保障在线生成的响应时效与结果准确性
搭建Agent链路的Harness工程体系，量化评估模型与策略变更影响，确保在线服务的安全性与稳定性
跟踪大模型与Agent前沿技术，主导新技术在健康场景中的快速实验验证与规模化工程落地
优先资格
有健康/医疗场景或IR、知识图谱经验者优先
AI 洞察
优缺点分析
优点
- 在百度这样的技术大平台，拥有顶级的技术资源、数据和计算资源支持
- 直接应用于健康医疗这一具有显著社会价值的领域，工作成果易于感知
- 岗位要求涉及策略、算法、工程多个层面，能锻炼端到端的系统设计与落地能力
- 技术要求高且综合，需同时具备算法理解、系统设计和工程实现能力，学习曲线陡峭
- 健康领域内容生成对准确性、安全性要求极高，责任重大，容错率低
- 具备扎实计算机基础和大模型实战经验，对构建复杂AI系统有热情，希望将前沿AI技术应用于解决实际问题（特别是医疗健康领域）的工程师
缺点 / 挑战
- 处于当前AI技术最前沿的Agent与大模型赛道，技术挑战大，成长速度快
- 需要持续跟踪快速迭代的大模型技术，保持技术敏感度和学习压力较大
角色解读
- 技术专家路径：深耕Agent与大模型领域，成为特定场景（如健康）的技术架构师或首席工程师
- 技术管理路径：带领小团队负责AI Agent相关方向的技术规划与落地，向技术总监方向发展
- 跨领域扩展：将Agent技术经验复制到更多垂直行业（如金融、教育），成为跨领域的AI解决方案专家
- 设计和迭代健康场景下AI Agent的核心交互策略，使其能自主发现问题并提升生成内容质量
- 构建Agent内部多工具（如检索、查询）的智能调度系统，确保信息获取既快又准
- 建立一套完整的自动化测试与评估（Harness）体系，像沙盒一样安全地验证新模型和策略效果
- 持续跟踪最新的大模型技术，并将其快速应用到实际的健康产品中，实现技术从实验室到线上产品的转化
- 深入理解并实践过Agent架构（如规划、工具调用、记忆、反思），熟悉ReAct、思维链等主流推理框架
- 精通大模型训练全流程，包括数据准备、监督微调（SFT）、直接偏好优化（DPO）或人类反馈强化学习（RLHF）
- 具备构建和维护复杂线上系统的能力，有保障大规模AI服务稳定性、安全性的工程经验
- 对健康或医疗领域有基本了解，或对信息检索、知识图谱等技术有实际应用经验
申请策略
- 仔细研究百度健康相关的产品和其可能面临的技术挑战，在面试中展现你的思考深度
- 准备好阐述你对“自进化”和“Harness工程”在AI系统中的理解，这可能是面试考察重点
- 重点描述你过去在大模型微调、Agent系统或相关推理框架方面的具体项目经验和成果
- 突出你设计复杂系统架构、解决工程稳定性与性能问题的实例
- 如果你有处理过医疗、健康类数据或知识图谱项目，务必详细说明
- 体现你对于模型效果量化评估、自动化测试（类似Harness思想）的理解和实践
- 系统梳理Agent核心范式（如ReAct、CoT）的实现细节，并准备一个端到端的小型案例
- 回顾并总结SFT、DPO、RLHF等对齐技术的优缺点及适用场景
面试指南
- 对于技术设计类问题，采用“背景-目标-方案-实现-效果-反思”的STAR框架来结构化回答
- 对于系统设计类问题，先明确核心指标（如准确率、延迟、安全性），再从数据、模型、策略、工程四个层面拆解方案
- 对于开放性问题，结合你的实际经验，给出有细节的、可执行的思路，并承认潜在问题和后续改进方向
- 请描述一个你设计或优化过的Agent任务规划/工具调用系统的例子，遇到的主要挑战是什么？如何解决的？
- 如何评估一个大模型策略变更（比如新的微调方法）对线上生成质量的影响？请设计一个评估方案
- 在健康内容生成场景下，如何保证Agent调用工具获取信息的准确性和安全性？
- ReAct和CoT有什么异同？在你的项目中，你会在什么情况下选择使用哪一种？
- 请解释什么是Harness工程，它在AI模型迭代中起什么作用？
职位点评
薪资福利70
成长发展90
工作生活55
使命价值80
薪资福利
70中等
该职位为百度上市公司的核心技术岗，薪酬福利在市场中具备竞争力，但JD未明确披露具体薪资和福利细节。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
该职位要求深入掌握当前最前沿的大模型与Agent技术，并有明确的技术实践与规模化落地要求，能提供极强的技术成长空间和项目挑战。
技术前沿前沿/新兴技术
技术栈Agent、Agentic Looping、ReAct、CoT、SFT、DPO、RLHF、Harness工程
成长机会主导、迭代、快速实验验证与规模化工程落地
业务类型profit_center
工作生活
55较低
JD未提及任何办公模式、工作时间或WLB相关信息，工作地点可能位于科技园区，但通勤与工作节奏信息缺失。
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
80较高
职位聚焦于健康医疗这一具有明确社会正向价值的场景，通过AI技术提升内容质量，能带来较强的意义感和成就感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号健康内容生成
创新程度积极采用新技术
Watch Jobs