滴滴出行
Agent应用开发专家工程师
Agent应用开发专家工程师
发布于 大约 2 小时前普通员工/个人贡献者
北京市
专家级经验
全职员工
仅现场办公
本科
机器学习工程
Ai Agent
Go
Llm
Multiagent
向量数据库
工具调用
数据飞轮
架构设计
模型评测
AI 估算 · 40k–70k
Agent专家稀缺，AI应用方向核心，大厂薪资竞争力强，综合市场水平估算。
职位详情
关于这个职位
该职位负责在滴滴网约车核心场景（如司机助手、经营助手）中落地AI智能体，主导Agent架构设计、记忆管理、MultiAgent协作和数据飞轮建设
工作涉及LLM应用工程、架构选型和工具链搭建，适合具备丰富后端经验且对AI Agent有深入了解的工程师
最低要求
精通 Python / Go，具备扎实的数据结构、算法与系统设计基础，能够独立承担复杂系统的架构设计与核心代码实现
本科及以上学历，计算机、软件工程或相关专业，5年及以上后台或策略系统相关开发经验
年以上Agent开发经验
具备丰富的 LLM 应用工程经验，对主流的Agent框架，MultiAgent架构有较强认知和理解，对开源的框架/Agent 有系统的理解
对Agent 效果调优、性能成本优化 有整体认知实践经验
熟练使用AI 工具，对新的工具有探索精神，能够通过工具提升工作效率，具备良好的技术视野和行业敏感度，持续关注 LLM/Agent前沿论文、开源社区与业界最佳实践
工作职责
负责司机助手 & 经营助手 等核心智能体（AI Agent）核心架构设计与演进，与产品、算法、平台及业务团队深度协作，在关键技术选型与架构决策中提供专业判断，推动 AI Agent 在复杂真实业务中的规模化应用
设计并落地智能体 记忆与状态管理架构，结合向量数据库与结构化存储，解决长期记忆、上下文压缩与知识演进等关键技术问题
熟悉MultiAgent架构，设计Agent/Tool/skill标准协议，支持工具调用与能力扩展体系（Tool/Skill） 建设，构建Agent开发评测平台，支撑Agent应用快速迭代
规划并推动 AI 应用 数据飞轮体系 建设，覆盖 Case 管理、数据标注平台、模型评测与反馈机制，形成数据驱动的模型持续迭代闭环
优先资格
主导过复杂 AI Agent / Multi-Agent 系统 的架构设计与落地，有 AI 产品 从 0 到 1 或大规模业务落地经验
有稳定的 AI 工作习惯，拥有沉淀完善的个人/团队 Prompt 库或 AI 工作流 SOP 者优先
参与过AI框架和组件开源贡献，有团队内外的相关领域分享（博客/公众号/github等）
具备抽象建模能力，能将复杂业务逻辑转化为 AI 可理解的语义化模型者优先
AI 洞察
优缺点分析
优点
- 身处滴滴核心业务场景，Agent应用有真实的业务价值和规模化落地机会
- 技术栈前沿（LLM、MultiAgent、向量数据库），能深度参与AI架构创新，积累稀缺经验
- 大厂平台资源丰富，有跨团队协作和向顶尖专家学习的机会
- 数据飞轮体系建设完整，有助于形成系统化AI工程能力
- 岗位要求同时具备工程和算法能力，技术难度高，需要持续学习
- 网约车业务场景复杂，需要深入理解业务逻辑，跨部门沟通成本高
缺点 / 挑战
- AI技术迭代快，需要保持高强度学习，可能面临较大的精神压力
- 适合有多年后端开发经验、对AI Agent有强烈兴趣、喜欢解决复杂工程挑战并渴望在AI前沿领域深耕的工程师
角色解读
- 在Agent领域深耕，成为AI架构专家，主导更多业务线Agent产品落地
- 向技术管理方向发展（如技术Leader、架构师），带领团队构建Agent平台与基础设施
- 随着Agent技术普及，可横向拓展至全行业AI解决方案或创业，具有广阔的职业前景
- 负责网约车核心场景（如司机助手、经营助手）中AI Agent的架构设计与演进，与产品、算法、平台团队紧密协作
- 设计智能体的记忆与状态管理架构，利用向量数据库与结构化存储解决长期记忆、上下文压缩和知识演进问题
- 建设MultiAgent协作体系，定义Agent/Tool/Skill标准协议，并构建开发评测平台以支撑快速迭代
- 规划数据飞轮体系，包括案例管理、数据标注、模型评测与反馈机制，推动模型持续优化
- 精通Python或Go，具备扎实的系统设计、数据结构和算法能力，能独立承担核心模块开发
- 深入理解LLM应用工程，熟悉主流Agent框架和MultiAgent架构，有实际调优和成本优化经验
- 掌握向量数据库（如Milvus、FAISS）及结构化存储技术，了解记忆与上下文管理方案
- 熟悉数据飞轮、模型评测和反馈机制，具备工程化落地能力
申请策略
- 了解滴滴的Agent产品方向（如司机助手、经营助手），在面试中提出针对性的改进想法
- 展示独立思考和架构决策能力，而非仅仅使用框架，体现你的技术视野
- 突出AI Agent从0到1或大规模落地经验，包括架构设计、技术选型和最终效果
- 强调Python/Go的系统设计能力，以及LLM应用工程中的实际贡献
- 展示对MultiAgent、记忆管理、工具调用等具体技术方案的深入理解
- 如果有开源贡献或技术博客，务必列出，这是加分项
- 系统学习主流Agent框架（如LangGraph、AutoGen、CrewAI）的源码和设计思路
- 深入实践RAG、向量数据库的工程化应用，掌握性能调优方法
面试指南
- 结合项目实例，用STAR法则描述场景、任务、行动、结果，突出架构决策和权衡
- 强调数据驱动和迭代闭环，体现工程化思维
- 请描述你设计过的一个MultiAgent系统，如何解决Agent之间的协作与冲突？
- 如何设计Agent的记忆机制，避免长对话中信息丢失？
- 如何评估Agent应用的效果，你会建立哪些指标和反馈闭环？
- 在工具调用中，如何处理Agent的错误或异常？
- 如何优化LLM应用的性能和成本？
- 准备至少一个完整的Agent项目案例，涵盖架构图、技术选型、踩坑点
职位点评
71
综合评分
大厂核心AI应用方向，前沿技术，薪酬潜力高，但工作强度未明确。
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。
更适合这类人
该职位最适合重视技术成长和职业发展、希望在AI Agent领域深耕的求职者。
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85
工作生活50
使命价值60
薪资福利
75中等
未披露具体薪资，但大厂专家岗通常提供有竞争力的薪酬与稳定福利。
薪资信号未披露（AI估算：40K-70K/月）
成长发展
85较高
岗位聚焦LLM/Agent前沿技术，涉及架构、记忆、数据飞轮，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、MultiAgent、向量数据库、数据飞轮
业务类型ambiguous
工作生活
50较低
JD未提及远程或弹性工作，且大厂技术岗可能无明确WLB承诺。
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
60中等
通过AI技术提升网约车司机和经营效率，有一定业务价值，但社会意义中性。
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
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs