哔哩哔哩
资深Agent应用开发工程师（翻译大模型方向）
资深Agent应用开发工程师（翻译大模型方向）
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机器学习工程
机器学习工程
Agent开发
Llamaindex
Nlp
Prompt工程
Rag
大模型应用
机器翻译
值不值得投
70综合评分
综合评分 70
前沿大模型Agent赛道、技术成长性强、业务闭环完整，但工作节奏可能较快
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，方便横向比较。
薪资怎么样
3.3万
比机器学习工程中位数高
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 820 个在招 · 其中机器学习工程 33 个
市场机会
选择面较广
上海 · 机器学习工程 · 约 380 个在招
职位详情
关于这个职位
负责基于翻译大模型设计与开发Agent应用，协同算法团队打通翻译业务全链路
针对长文本、多语种及垂直领域场景解决翻译痛点，搭建自动化评估与样本管理链路，持续优化模型效果与线上稳定性
最低要求
本科及以上学历，计算机、人工智能、NLP、机器学习等相关专业，1-3 年大模型 Agent 应用开发、NLP 应用或机器翻译业务落地经验
理解大模型基础原理，熟悉 Agent 核心组件（规划、工具调用、记忆、RAG），了解机器翻译基本业务流程，熟悉 Prompt 工程，能独立设计面向翻译场景的 Agent 任务流程
熟练 Python 开发，掌握 LangChain/LlamaIndex 等 Agent 开发框架，具备大模型应用开发、接口封装、业务链路联调实战经验
熟悉文本预处理、语料清洗、数据校验等相关技术
熟悉多语言 / 翻译大模型（Qwen-MT、M2M-100 等）调用方式，能够对接翻译模型，分析模型输出问题，和算法同学高效对齐，协同完成效果调优
了解翻译效果评测指标（BLEU、COMET 等），能构建业务评测集，做效果对比、Case 分析，定位链路问题
具备良好工程素养、问题拆解能力
优秀跨团队协作能力，能和算法、工程同学紧密配合，对齐目标，主动反馈业务侧模型问题，对业务结果有主人翁意识
工作职责
负责翻译Agent 应用的设计与开发，与算法团队深度协同，打通翻译业务全链路，联动模型调优、效果评估、业务上线全流程
基于翻译大模型构建 Agent 能力，落地多语种、长文本、垂直领域翻译场景，针对性解决长上下文歧义、专业术语不准、译文前后不一致、段落连贯性差等业务翻译痛点
搭建自动化翻译评估、样本管理链路，支撑 Prompt 迭代、SFT 样本验证、模型版本效果对比，持续监控线上译文质量，推动翻译稳定性与效果提升
配合算法团队完成翻译语料清洗、筛选、质控，参与构建适配大模型的业务翻译数据集，通过工程手段沉淀高质量样本，支撑模型持续迭代优化
负责翻译 Agent 相关功能上线、线上问题排查与链路运维，收集业务侧翻译 badcase，同步给算法团队进行专项优化，持续迭代产品能力
优先资格
有机器翻译、多语种大模型业务落地、长文本翻译系统开发经验优先
有 RAG+Agent 结合翻译场景、术语库 / 知识库增强翻译实战经验优先
熟悉低资源语种、垂直领域（法律 / 金融 / 医疗）翻译业务，处理过长上下文翻译场景优先
熟悉大模型微调、DPO/RLHF 对齐基础概念，能看懂算法实验、协助验证模型迭代效果优先
熟悉大模型服务部署、推理优化、接口压测，了解模型量化 / 蒸馏相关知识优先
阅读过 ACL/EMNLP 等 NLP 顶会相关论文，有多模态翻译、语音翻译系统对接经验优先
AI 洞察
优缺点分析
优点
- 处于大模型 Agent 应用落地的前沿赛道，技术栈新颖且具备高市场稀缺性
- 深度协同算法团队，能直接接触 SFT、模型调优与效果评估的核心流程
- 依托头部互联网平台，拥有海量真实业务场景与高质量语料数据支持
- 项目成果直接面向用户，业务价值可见度高，利于打造标杆级作品集
- 适合具备扎实工程基础、对大模型应用落地有强烈兴趣，且乐于在算法与业务交叉地带深耕的技术型开发者
缺点 / 挑战
- 长上下文翻译与垂直领域术语对齐存在较高技术难度，需持续攻坚效果瓶颈
- 工程链路与算法模型强耦合，联调排错复杂度较高，对问题拆解能力要求严苛
- 业务上线后需持续跟进线上 badcase，迭代节奏快，压力与交付要求并存
角色解读
- 向大模型应用架构师或 AI 工程专家方向发展，主导复杂 Agent 系统设计
- 横向拓展至多模态翻译、语音翻译或更广泛的垂直领域大模型落地
- 积累业务闭环经验后，可转向 AI 产品经理或技术负责人角色
- 基于翻译大模型设计并开发Agent应用，打通从模型调优到业务上线的全链路
- 针对长文本、多语种及垂直领域场景，解决翻译过程中的歧义、术语不准与连贯性问题
- 搭建自动化评估与样本管理链路，持续监控线上译文质量并推动效果迭代
- 协同算法团队完成语料清洗、数据集构建与badcase分析，保障翻译稳定性
- 熟练掌握 Python 编程及 LangChain/LlamaIndex 等 Agent 开发框架
- 深入理解大模型基础原理与 Agent 核心组件（规划、工具调用、记忆、RAG）
- 熟悉 Prompt 工程、文本预处理、语料清洗及数据校验技术
- 了解机器翻译业务流程及 BLEU/COMET 等效果评测指标
申请策略
- 提前研究哔哩哔哩国际化业务线，思考 Agent 翻译如何提升用户体验与内容生态
- 准备 1-2 个完整的端到端项目，清晰阐述从需求分析、技术选型到上线监控的全流程
- 突出 Python 开发实战经验，重点展示 LangChain/LlamaIndex 框架下的 Agent 项目
- 详细描写 RAG 检索增强、Prompt 优化或语料清洗的具体实践与量化效果
- 强调跨团队协作经历，特别是与算法/产品团队打通业务链路的项目案例
- 附上 GitHub 仓库或技术博客，展示对 NLP 评测指标与模型调优的理解
- 系统学习 Agent 核心机制（规划器、工具调用、记忆模块）的源码实现
- 动手实践长文本分块策略、向量数据库选型及术语库构建方法
面试指南
- STAR 法则：清晰交代背景任务、采取的技术动作、遇到的瓶颈、最终量化结果与复盘总结
- 分层拆解法：从数据层（语料/评测）、模型层（Prompt/RAG/调优）、工程层（链路/监控）逐层定位问题
- 业务导向思维：始终将技术指标与用户体验/业务指标挂钩，说明技术方案如何驱动实际价值
- 请描述你使用 LangChain/LlamaIndex 开发 Agent 的实际项目，遇到了哪些典型问题？如何解决？
- 在长文本翻译场景中，如何处理上下文丢失与术语不一致的问题？RAG 在其中扮演什么角色？
- 如何设计一套自动化的翻译效果评估流水线？BLEU 与 COMET 指标在实际业务中各有什么局限？
- 当线上译文出现严重 badcase 时，你的排查思路与定位链路问题的步骤是什么？
- 如何与算法团队高效协作，将工程侧的反馈转化为模型迭代的 actionable insights？
职位点评
薪资福利72
成长发展88
工作生活48
使命价值62
薪资福利
72中等
已上市企业具备一定财务稳定性，但互联网行业整体竞争激烈，JD 未明确披露薪资福利细节，综合满足度中等偏上。
薪资信号未披露（AI估算：2.5千–4.0万/月）
成长发展
88较高
岗位聚焦大模型 Agent 与 NLP 前沿技术落地，提供与算法团队深度协同的机会，技能成长空间广阔。
技术前沿前沿/新兴技术
技术栈Agent、大模型、LangChain、LlamaIndex、RAG、Prompt工程、BLEU、COMET、Qwen-MT、M2M-100
业务类型ambiguous
工作生活
48较低
JD 未提及弹性工时或远程办公安排，互联网技术岗通常面临较快的迭代节奏，工作生活平衡存在一定挑战。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
62中等
致力于提升多语种翻译体验，助力内容全球化传播，具备明确的业务价值导向，社会影响力适中。
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