哔哩哔哩
Agent开发工程师【2027届】
Agent开发工程师【2027届】
发布于 2 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
Agent Loop
Go
Mcp协议
多智能体架构
大模型应用开发
性能调优
数据闭环
系统架构设计
值不值得投
77综合评分
综合评分 77
聚焦AI Agent前沿技术栈，产品落地导向强，技术成长空间大，WLB待确认
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，方便比较职业起点。
薪资怎么样
2.8万
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 830 个在招 · 其中人工智能 2 个
市场机会
选择面较广
上海 · 人工智能 · 约 360 个在招
职位详情
关于这个职位
负责B站创作场景下Agent运行时的架构设计与研发，搭建可编排的工具框架与端上协作通道，构建长期记忆与知识检索体系
同时制定Agent互联标准，建立效果评测闭环，并持续优化系统性能与推理成本，打造稳定高效的AI智能体产品
最低要求
届本科及以上学历，计算机、数学或相关理工科专业优先，熟悉数据结构、算法、操作系统、网络、数据库者优先
熟练掌握 Python / Go / TypeScript 中至少一门，具备良好的工程习惯与系统调试能力，能独立完成从方案设计到上线交付的全过程
熟悉 Agent 的核心范式与技术体系：Agent Loop、Tool Use / Function Calling、MCP、Skill、Planning、Reflection、Memory、Multi-Agent、Human-in-the-loop
理解上下文与状态管理、工具路由、结果校验、异常恢复、长任务执行等关键问题
对「把 Agent 做成可用产品」有真实认知：清楚 Demo 到线上之间隔着什么，能主动为稳定性、可观测性、延迟与成本负责
对 AI 有超出工作范畴的热情与好奇：主动跟进前沿模型与工具并上手实践
能熟练使用 AI 编程工具（Claude Code / Cursor 等）提升研发效率
如果你不只想过用 AI 做点什么，还真的动手做了，我们会很期待听到
学习与解决问题的能力出色：能快速进入陌生领域，在没有现成答案的问题上独立推理出方案并做出实际结果——最好在过往经历中有能体现这一点的实例
工作职责
Agent 运行时建设*：参与创作 Agent 运行时的设计与研发，涵盖会话管理、沙盒生命周期、进程隔离与权限收敛、分层状态模型（进程内 / 会话级 / 持久化事件日志），以及基于事件日志与游标的断线重连与回放机制，保障长任务在弱网、多端、跨会话场景下稳定运行
Harness 与工具体系*：建设可配置的 Agent 执行框架——单次运行可编排提示词、Skill、MCP、工具集与子 Agent，通过前置 / 后置 Hook 以责任链方式串联输入输出，支持角色与工具集的低成本热切换
并在其上沉淀可复用的工具与 Skill 资产
端上协作能力*：建设 Agent 与前端页面的协作通道（页面能力白名单 SDK、双向事件通道、人在回路的确认与接管），让 Agent 不只是回答问题，而是能直接在创作中心里帮用户把事情做完
记忆与知识*：建设 Agent 的长期记忆与知识检索体系，覆盖用户级记忆存储、创作领域知识库、检索与重排、上下文构建，解决「越用越懂你」的问题
Agent 互联*：制定并落地站内 Agent 接入标准，把不同业务方形态各异的 Agent 输出统一翻译为可感知进度与动作的事件流，让创作 Agent 成为创作场景的统一入口
评测与数据闭环*：建设 Agent 效果的评测体系——执行轨迹采集、评估函数、离线经验蒸馏与能力回流，把线上真实交互变成可持续迭代的燃料
性能与成本*：持续优化首响延迟、冷启动、上下文长度与推理成本，在效果、体验与成本之间做出可解释的取舍
AI 洞察
优缺点分析
优点
- 聚焦AI Agent前沿赛道，接触MCP、Multi-Agent等最新技术范式，技术视野开阔
- 依托B站创作生态核心场景，项目落地性强，成果可直接触达海量用户
- 团队技术氛围浓厚，鼓励使用Cursor等先进工具提效，注重工程规范与系统稳定性
- 校招培养体系完善，提供清晰的成长路径与内部技术分享资源
- Agent领域技术迭代极快，需保持高强度自主学习以跟上前沿模型与工具更新
- Demo到线上落地存在较大鸿沟，需独立解决弱网、长任务、异常恢复等复杂工程问题
- 适合对AI Agent充满热情、具备扎实工程基础与产品思维，且渴望在前沿技术领域快速成长的应届生
缺点 / 挑战
- 需平衡效果、体验与推理成本，在有限算力资源下进行精细化调优压力较大
角色解读
- 纵向深耕AI Agent架构师方向，主导下一代智能体平台的技术演进与标准化建设
- 横向拓展至AI产品负责人或技术管理岗，统筹AI业务线的技术规划与商业化落地
- 向大模型底层优化或AIGC全栈工程师发展，掌握从算法适配到系统部署的完整技术栈
- 负责AI Agent运行时的底层架构设计与核心模块开发，保障系统在复杂网络与多端场景下的稳定性
- 搭建可灵活编排的工具框架与端上协作通道，实现Agent与前端业务的无缝集成与高效交互
- 构建长期记忆检索体系与评测数据闭环，持续优化推理成本与响应延迟，推动Agent产品化落地
- 精通Python/Go/TypeScript至少一门，具备扎实的数据结构、算法与系统工程能力
- 深入理解Agent核心范式（如Loop、Tool Use、MCP、Multi-Agent等）及状态管理机制
- 具备大模型应用落地经验，熟悉Prompt工程、RAG、向量检索及AI编程工具的高效使用
- 拥有强烈的产品思维与工程规范意识，能独立负责从方案设计到线上交付的全流程
申请策略
- 准备1-2个完整的Agent Demo或开源项目，重点说明从原型到线上可用的工程化思考
- 提前了解B站创作中心业务逻辑，思考Agent如何与现有工作流深度融合
- 突出Python/Go/TS等语言的实际项目经验，强调独立完成系统设计到上线交付的能力
- 详细展示Agent相关实践（如自建Agent Loop、调用MCP/Skill、实现Memory/RAG模块）
- 量化说明在系统稳定性、延迟优化或成本控制方面的具体贡献与指标提升
- 深入研读LangChain/LlamaIndex等主流框架源码，掌握Agent状态管理与工具路由原理
- 练习使用Cursor/Claude Code等AI编程工具，提升代码生成、调试与重构效率
- 补充向量数据库（如Milvus/Pinecone）与RAG链路实战，强化记忆检索模块开发能力
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，突出技术选型依据与难点攻克过程
- 针对架构类问题，先画整体流程图，再分模块阐述数据流向、状态机设计与容错策略
- 结合具体指标（如成功率、延迟、成本）说明优化手段，体现工程权衡思维
- 请描述你设计的一个Agent系统的核心架构，如何处理状态管理与异常恢复？
- 在Agent调用外部工具时，如何保证安全性、权限控制与结果校验？
- 面对复杂的长任务执行，你会如何设计断线重连与状态回放机制？
- 如何评估一个Agent的效果？请谈谈你的评测指标设计与数据闭环思路
- 复习操作系统、网络与数据库核心知识点，准备常见并发与分布式场景面试题
职位点评
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利
75中等
JD未明确披露薪资福利，但作为头部互联网公司校招岗，通常提供具有竞争力的薪酬包与完善的基础保障。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
90较高
岗位直接对接AI Agent最前沿技术栈，强调从Demo到产品落地的全链路实践，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Agent Loop、MCP、Multi-Agent、Human-in-the-loop、RAG、向量检索、Python、Go、TypeScript
业务类型profit_center
工作生活
60中等
JD未明确提及办公模式与工时安排，互联网技术岗通常面临一定的项目节奏压力，但具体WLB需以实际团队为准。
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
70中等
岗位致力于将AI Agent融入B站创作场景，提升用户内容生产效率，具备一定的技术应用价值与创新意义。
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