携程
资深AI Agent开发工程师(MJ037286)
资深AI Agent开发工程师(MJ037286)
发布于 3 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
Ai Agent
Crewai
Langgraph
Llm
Prompt Engineering
分布式系统
值不值得投
79综合评分
综合评分 79
前沿AI技术栈、高并发实战场景、成长空间广阔，但工作节奏与WLB需入职后进一步确认
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，方便横向比较。
薪资怎么样
6.0万
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 620 个在招 · 其中人工智能 9 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
负责大语言模型（LLM）的在线部署与性能调优，构建具备规划、记忆及多Agent协作能力的智能体系统
需设计核心框架模块并实现与外部系统的高效交互，同时协同产品与算法团队优化执行效率与用户体验，解决高并发场景下的生产环境问题
最低要求
具备优秀的架构抽象与平台化落地能力，必需负责过C端高并发系统的设计、开发和稳定性保障
精通Python，熟练使用CrewAI、LangGraph、OpenAI Agents SDK等Agent开发框架，至少有一个完整的Agent项目开发经验
熟悉大语言模型（LLM）的调用机制、Prompt Engineering、Function Calling及Tool Use，熟悉ReAct、CoT、ToT等主流Agent推理范式
具备扎实的分布式系统与后端开发能力，熟练使用FastAPI、Docker、Kubernetes等技术，有构建高并发、可扩展AI服务经验者优先
良好的问题分析与调试能力，能够独立定位Agent执行失败、幻觉、工具调用异常等问题，并提出系统性解决方案
工作职责
负责LLM在线服务部署、性能调优与推理加速，确保高并发、低延迟、高可用的模型服务，针对复杂推理链路进行性能瓶颈分析，建立推理质量与效率的评估闭环
负责AI Agent系统的整体架构设计、开发与优化，构建具备规划、记忆、工具调用、反思、多Agent协作等核心能力的智能体系统
设计并实现Agent框架的核心模块，包括任务分解引擎、工具集成层、长短期记忆系统、状态机与决策引擎，确保Agent在复杂任务中稳定可靠运行
开发Agent与外部系统（如API、数据库、知识库、RAG系统）的安全、高效交互机制，支持函数调用（Function Calling）、ReAct、Plan‑and‑Execute、Multi‑Agent等不同工作流
与产品经理、算法工程师、前端工程师紧密协作，持续优化Agent的执行效率、成本控制、容错机制与用户交互体验，解决生产环境中遇到的实际系统问题
AI 洞察
优缺点分析
优点
- 聚焦AI Agent前沿方向，技术栈高度契合当前大模型工程化落地趋势
- 依托头部互联网平台的高并发实战场景，能积累极具竞争力的系统架构与性能调优经验
- 跨职能协作频繁，有助于拓宽技术视野并提升产品思维与业务理解力
- 接触业界最新Agent框架与推理范式，技术成长曲线陡峭且稀缺性强
- AI Agent领域生态迭代极快，需持续跟踪框架更新与最佳实践以保持技术领先
- 涉及多系统交互与成本控制，需在效果、性能与资源消耗之间寻找精细平衡
- 适合具备扎实后端工程基础、对大模型应用层开发有强烈兴趣，且能在高压环境下追求技术极致与业务价值的资深开发者
缺点 / 挑战
- 高并发C端系统对稳定性要求极高，生产环境排障压力与技术深度要求并存
角色解读
- 向AI基础设施架构师演进，主导企业级大模型服务平台与Agent中台的建设
- 深入垂直行业应用，成为懂业务逻辑与AI落地的复合型技术专家
- 逐步承担技术负责人角色，带领团队攻克复杂推理链路优化与商业化落地难题
- 负责大语言模型服务的线上部署、性能调优与推理加速，保障高并发场景下的低延迟与高可用性
- 主导AI Agent系统的架构设计与核心模块开发，实现任务分解、记忆管理、工具调用及多Agent协作能力
- 打通Agent与外部系统（API、数据库、RAG等）的交互链路，支持多种主流推理工作流
- 协同产品与算法团队，持续优化系统执行效率、成本控制及用户交互体验，排查并解决生产环境故障
- 精通Python编程，熟练掌握CrewAI、LangGraph、OpenAI Agents SDK等主流Agent开发框架
- 深入理解LLM调用机制与Prompt Engineering，熟悉ReAct、CoT、ToT等推理范式及Function Calling
- 具备扎实的分布式系统与后端工程能力，熟练运用FastAPI、Docker、Kubernetes构建可扩展服务
- 拥有优秀的系统架构抽象能力与高并发C端系统设计经验，能独立完成性能瓶颈分析与稳定性保障
申请策略
- 提前研究目标公司在AI领域的业务布局，将个人技术栈与具体应用场景（如智能客服、行程规划）结合阐述
- 准备1-2个端到端项目案例，清晰说明从需求拆解、架构选型到线上监控的全流程思考
- 突出完整AI Agent项目经历，重点描述架构设计、核心模块实现及性能调优数据
- 量化高并发系统治理成果，如QPS提升比例、延迟降低幅度、可用性SLA达标情况
- 详细列出掌握的Agent框架与推理范式，附GitHub链接或技术博客以证明工程落地能力
- 强调跨团队协作经验，展示如何通过技术手段推动产品迭代与用户体验优化
- 深化Kubernetes与容器编排知识，掌握GPU集群调度与模型服务弹性伸缩策略
- 系统学习LangGraph/CrewAI底层原理，尝试复现复杂多Agent协作场景并优化执行路径
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，重点突出技术选型依据、关键难点突破与可量化的业务/技术指标
- 针对性能与稳定性问题，遵循“监控定位-根因分析-方案验证-灰度发布-全量上线”的工程闭环逻辑展开
- 结合业务场景说明技术取舍，强调在效果、成本、延迟之间的权衡策略与长期演进规划
- 请分享一个你主导的Agent项目，你是如何设计任务分解与记忆管理模块的？
- 在高并发场景下，LLM推理服务容易出现哪些性能瓶颈？你如何进行调优与压测？
- 面对Agent执行失败或幻觉问题，你的排查思路与系统性解决方案是什么？
- 如何平衡Agent的工具调用成本与响应速度？请结合实际经验说明
- 复习分布式系统核心概念（一致性、分区容忍性、缓存策略），准备高可用架构设计题
职位点评
薪资福利82
成长发展92
工作生活58
使命价值76
薪资福利
82较高
JD未明确披露薪资与福利细节，但作为头部上市企业的资深技术岗，通常提供具备市场竞争力的薪酬包与标准员工福利体系。
薪资信号未披露（AI估算：4.5千–7.5万/月）
成长发展
92较高
岗位直接对接大模型工程化与AI Agent前沿技术，技术栈高度现代且迭代迅速，为技术人员提供了极强的专业成长空间。
技术前沿前沿/新兴技术
技术栈Python、LLM、CrewAI、LangGraph、OpenAI Agents SDK、FastAPI、Docker、Kubernetes、Prompt Engineering、Function Calling
业务类型profit_center
工作生活
58较低
JD未提及具体办公模式与工时安排，但高并发C端系统维护与生产环境排障通常伴随一定的应急响应压力，WLB存在不确定性。
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
76中等
岗位聚焦AI Agent商业化落地与用户体验优化，属于当前技术演进的核心赛道，虽偏重商业价值但具备显著的行业推动意义。
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