网易
Agent 算法研发工程师
Agent 算法研发工程师
发布于 大约 8 小时前普通员工/个人贡献者
北京市
初级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
PyTorch
RAG
LLM
SFT
OCR
PPO
DPO
SLM
Grpo
AI 估算 · 20k–35k
AI算法岗位，硕士学历，北京大厂，技术栈前沿，薪资有竞争力。
职位详情
关于这个职位
该职位负责网易有道产品线（如词典、词典笔、学习规划）的 Agent 能力研发，涉及大模型微调（SFT/RL）、工具调用、RAG 链路及数据工程
你将参与从算法设计到工程落地的全流程，推动 AI 在教育场景的智能化体验
最低要求
硕士及以上学历，计算机、人工智能、机器学习等相关专业（优秀者可放宽至本科）
精通 Python，熟练使用 PyTorch 等深度学习框架，具备良好的代码风格与架构设计能力
具备 LLM/SLM 训练与微调经验，熟悉 SFT、对齐与强化学习相关方法（如 PPO/GRPO/DPO 等）的原理与实践
熟悉 Agent 体系与典型范式（Plan-Execute、ReAct、工具调用/函数调用、记忆与检索增强），能将算法设计与实际教育/学习场景有效结合
具备扎实的辅助模型（检索排序与多模态解析）实战经验：熟悉向量检索（BM25/Dense Retrieval）、重排（Cross-Encoder）及点击转化建模
熟悉 OCR 与版面分析（如 LayoutLM、Marker 等），能有效解决复杂长文本与多模态信息的提取难题
具备强大的数据处理与工程能力：精通大规模数据清洗与清洗规则编写，熟悉高质量数据合成方案，对数据质量敏感，能独立搭建数据飞轮与难例挖掘体系
具备良好的问题分解与实验设计能力，能在不完美数据与复杂约束下推进落地
主动负责，抗压能力强，善于沟通与协作
工作职责
面向有道词典、词典笔、学习规划等产品线，负责 Agent 能力的整体方案与核心算法研发，包括任务分解、计划-执行/反思循环（Plan-Execute / ReAct / Reflection）、长短期记忆与工具路由等
负责 SLM（Small Language Model）持续预训练与指令微调（SFT），构建高效压缩与蒸馏方案，面向端侧/低延迟场景优化推理效率
设计与实现工具调用（Function/Tool Calling）体系：工具编目与路由、参数填充、结果验证与回退、调用链追踪与可观测性，提升工具使用的成功率与收益
基于强化学习（PPO/GRPO/DPO 类方法等）与奖励建模，面向语义理解、工具使用成功率、内容生成质量等目标进行对齐与优化，支持离线/在线策略迭代
负责 RAG 链路中的辅助模型研发与优化：统筹文档解析与检索排序能力
针对复杂排版内容（如学术论文、教辅、试卷）进行版面分析、OCR、表格/公式识别的模型微调
同时负责语义检索（Embedding）、重排（Rerank）及学习排序（LTR）模型的迭代，为 Agent 提供高质量的结构化数据与精准的上下文
负责大模型全链路的数据工程与处理：主导高质量数据的合成（Synthetic Data）、清洗、去重与治理
构建并优化用于 SFT、对齐及评测的数据集（如工具调用轨迹、复杂推理过程数据等）
设计策略采样、难例挖掘与失败案例回放的反馈闭环
建立系统化评测体系：离线基准（理解/工具成功率/可用性）、端到端任务评测、A/B 实验与线上指标监控，推进效果持续迭代
推动工程化落地与跨团队协作：负责训练管线并行、推理服务化与端侧加速
与产品、工程团队紧密配合，推进算法落地，持续提升用户体验与业务指标
AI 洞察
优缺点分析
优点
- 技术栈前沿，涵盖 Agent、大模型、强化学习、RAG 等热门方向，技能积累价值高
- 网易有道平台成熟，产品线覆盖数亿用户，算法落地场景明确，成就感强
- 团队氛围技术导向，有机会参与从研究到上线的全流程，成长空间大
- 对数据工程要求极高，需要处理复杂、低质量的数据，可能比较繁琐
- 技术迭代快，需要持续学习最新论文与方法，保持竞争力
- 适合对 AI 前沿技术有强烈好奇心、喜欢从零到一构建系统、抗压能力强且乐于协作的算法工程师
缺点 / 挑战
- 工作强度较高，需要同时应对算法研究、工程实现与跨团队协作，压力较大
角色解读
- 从 Agent 算法工程师向资深算法专家发展，深入大模型与强化学习前沿领域
- 有机会转型为技术 leader，带领团队攻克教育场景的 AI 难题
- 积累丰富的工程化落地经验，未来可向 AI 架构师或产品技术总监方向成长
- 负责 Agent 算法的整体设计与实现，包括任务分解、计划执行循环、工具调用等核心模块
- 进行 SLM 的持续预训练与指令微调，优化端侧推理效率
- 设计工具调用体系，提升工具使用的成功率与可靠性
- 基于强化学习方法对模型进行对齐优化，并构建 RAG 链路中的检索与解析模型
- 扎实的深度学习基础，精通 Python 和 PyTorch，熟悉大模型训练与微调流程
- 熟悉 Agent 相关范式（ReAct、Plan-Execute 等）及工具调用、记忆增强等机制
- 具备检索排序（Embedding、Rerank）和多模态解析（OCR、版面分析）的实际经验
- 强大的数据工程能力，包括数据合成、清洗、难例挖掘与评测体系搭建
申请策略
- 深入了解网易有道教育产品的特点，在面试中结合具体场景（如学习规划、词典）阐述算法设计思路
- 关注公司招聘公众号或技术博客，了解团队技术方向，展示对业务的热情
- 突出大模型训练/微调项目经验，特别是 SFT 和强化学习（PPO/DPO）的实践
- 强调 Agent 或工具调用相关项目（如自行实现的 ReAct 流程、函数调用系统）
- 展示数据处理能力：数据清洗、合成、评测指标设计等具体案例
- 如有 Kaggle 或学术论文加分，尤其是 LLM 检索/OCR 方向的成果
- 系统学习 Agent 经典论文（ReAct、ToolLLM 等）并复现核心模块
- 熟悉至少一种强化学习框架（如 TRL、DeepSpeed Chat）并动手调参
面试指南
- 使用 STAR 原则：描述场景、任务、行动和结果，重点突出技术选型与效果
- 对于对比类问题，先说明各自原理，再结合实际业务约束（延迟、数据量）给出选择理由
- 对于问题排查，采用假设驱动：提出可能原因（数据泄露、分布差异），设计实验验证并迭代
- 请详细描述你设计的一个 Agent 系统，包括任务分解、工具调用、反思机制等
- 在微调大模型时，如何选择 SFT 数据？如何处理数据噪声和分布偏移？
- 对比 PPO 和 DPO 的优缺点，在实际项目中如何选择？
- 如何构建一个 RAG 系统的检索排序链路？如何评估检索质量？
- 当模型在线上表现不如离线评测时，你会如何定位和解决问题？
职位点评
69
综合评分
前沿 Agent+大模型技术栈，成长空间极大，但工作强度不确定性高，适合技术驱动型人才。
更适合这类人
最适合追求技术成长、愿意投入时间学习前沿 AI 技术、对薪资和稳定性有中等要求的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值60
薪资福利
75中等
薪资水平在北京大厂 AI 岗中具有竞争力，但未明确披露具体数字，福利待遇可能较好但未在 JD 中体现。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
该职位技术栈非常前沿（Agent、大模型、强化学习、RAG），成长机会极多，且 JD 中明确涉及数据工程、评测体系等能锻炼综合能力。
技术前沿前沿/新兴技术
技术栈LLM、SLM、SFT、PPO、GRPO、DPO、ReAct、RAG、Agent、Tool Calling、Embedding、Rerank
业务类型profit_center
工作生活
50较低
工作地点在北京，要求现场办公，未提及弹性工作或远程，且大厂 AI 岗位通常强度较高，生活平衡一般。
工作模式未明确
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
60中等
教育行业具有一定社会价值，帮助用户提升学习效率，但 JD 未强调使命感，更多是技术驱动。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs