滴滴出行
AI Agent 基建平台架构师
AI Agent 基建平台架构师
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公架构师
架构师
Ai Agent
Go
Langgraph
Llm
分布式系统
微服务
Deepagents
值不值得投
78综合评分
综合评分 78
资深AI Agent基建核心岗，技术前沿成长空间大，薪资竞争力强，但技术挑战与协作要求较高。
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
6.5万
与架构师中位数基本持平
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 2160 个在招 · 其中架构师 12 个
市场机会
选择面较广
北京 · 架构师 · 约 130 个在招
职位详情
关于这个职位
该职位负责AI Agent配置与托管平台的架构设计与核心研发，建设Agent全生命周期管理及编排运行时能力
需要精通Java/Go/Python及分布式系统，深入理解LLM应用技术体系，推动业务Agent高效上线
最低要求
）本科及以上学历，计算机、软件工程、人工智能等相关专业优先
）精通 Java、Go、Python 中至少两种，具备扎实的系统设计与工程实践能力
精通高并发、分布式系统、微服务、缓存、消息队列及数据库设计
）深入理解 LLM 应用技术体系，熟悉 Prompt Engineering、Function Calling、MCP、RAG、向量检索、模型评测及模型安全
）熟悉 DeepAgents 框架
有基于 DeepAgents 进行 Agent 编排、工具集成、记忆管理、任务分解或多 Agent 协同落地经验者优先
）熟悉 LangGraph、LangChain、AutoGen、OpenAI Agents SDK 等主流 Agent 框架，并能结合业务场景完成技术选型与架构设计
）熟悉 Kubernetes、云原生、CI/CD、可观测性、服务稳定性治理及性能优化，具备大规模服务运行经验
）具备技术领导力和跨团队协作能力，能够推动产品、算法、基础设施和业务团队达成技术共识并高质量交付
）有开发者平台、企业内部效率工具或 AI 基础设施建设经验者优先
工作职责
）负责 AI Agent 配置与托管平台的架构设计、核心研发及持续演进，建设 Agent 创建、配置、版本、发布、运行托管等全生命周期能力
）负责 Agent 编排与运行时能力建设，包括模型、Prompt、知识库、工具/MCP、工作流、记忆及任务调度等配置与执行机制
）建设平台稳定性与可观测性能力，完善运行监控、日志追踪、告警、异常恢复、灰度发布及权限隔离机制
）负责高并发、分布式运行时的性能优化与稳定性治理，保障 Agent 任务执行的可靠性、可扩展性和安全性
）与产品、算法、基础设施及业务团队协作，沉淀标准化平台能力、接入规范和最佳实践，推动业务 Agent 高效上线
）跟踪 Agent 领域技术发展，评估并引入 DeepAgents、LangGraph 等框架或相关能力，持续提升平台技术竞争力
优先资格
有基于 DeepAgents 进行 Agent 编排、工具集成、记忆管理、任务分解或多 Agent 协同落地经验者优先
有开发者平台、企业内部效率工具或 AI 基础设施建设经验者优先
AI 洞察
优缺点分析
优点
- 处于AI Agent技术最前沿，能深度参与大模型应用落地与基建平台从0到1或从1到10的建设
- 依托海量业务场景，能积累丰富的高并发、分布式及大规模AI服务治理经验
- 跨团队协作要求高，需推动产品、算法、基础设施等多方达成共识并高质量交付
- 适合具备扎实分布式系统功底、对大模型及Agent技术有浓厚兴趣，且具备较强技术领导力与跨团队推动能力的资深技术专家
缺点 / 挑战
- AI Agent技术迭代极快，需要持续跟踪前沿技术并快速落地，技术压力较大
角色解读
- 可向首席架构师或技术总监方向发展，深入AI基础设施与Agent生态建设
- 也可转型为AI业务技术负责人，推动AI技术在复杂业务场景的深度落地与商业化
- 负责AI Agent配置与托管平台的架构设计与核心研发，建设Agent全生命周期管理能力
- 负责Agent编排与运行时能力建设，包括模型、Prompt、知识库、工具等配置与执行机制
- 建设平台稳定性与可观测性，优化高并发分布式运行时性能，保障任务执行可靠性
- 精通Java/Go/Python中至少两种，具备扎实的系统设计与高并发分布式系统经验
- 深入理解LLM应用技术体系，熟悉DeepAgents、LangGraph等主流Agent框架及RAG、MCP等技术
- 熟悉Kubernetes、云原生及大规模服务运行经验，具备技术领导力与跨团队推动能力
申请策略
- 了解公司在本地生活及出行场景下的AI应用现状，思考Agent技术如何赋能具体业务场景，面试时提出建设性方案
- 突出在分布式系统、高并发架构设计方面的核心项目经验与量化收益
- 详细展示在LLM应用、Agent框架（如LangGraph、DeepAgents）及RAG、Function Calling等方面的落地成果
- 强调跨团队协作与技术领导力，以及平台化、标准化建设经验
- 深入学习DeepAgents、LangGraph等最新Agent编排框架及MCP协议的底层原理
- 补充云原生、可观测性及大规模服务稳定性治理的实战经验与最佳实践
面试指南
- 采用STAR法则，结合具体项目背景，阐述架构设计思路、技术选型原因、遇到的挑战及解决方案，最后量化业务收益
- 对于架构设计题，从需求分析、核心模块设计、高可用/高并发保障、扩展性设计等维度系统性回答，展现全局观
- 如何设计一个支持高并发、高可用的AI Agent托管与运行时平台？
- 在Agent编排中，如何处理多Agent协同、记忆管理及任务分解？
- 针对LLM应用，如何设计有效的Prompt Engineering和Function Calling机制？
- 在大规模分布式系统中，如何保障Agent任务执行的可靠性与可观测性？
- 复习分布式系统、微服务、Kubernetes及高并发处理的核心知识，准备过往复杂系统设计的复盘
- 深入了解LangGraph、DeepAgents等框架的底层原理及在复杂业务场景中的应用案例
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
该岗位为资深架构师级别，对分布式与AI基建经验要求高，北京同类高级技术岗位市场价处于高位，能较好满足补偿性动机。
薪资信号未披露（AI估算：5千–8万/月）
成长发展
90较高
岗位处于AI Agent前沿领域，能深度接触大模型应用与基建核心技术，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈AI Agent、Java、Go、Python、LLM、DeepAgents、LangGraph、Kubernetes、RAG、MCP
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB信息，无法准确判断工作生活平衡情况，需在实际面试中进一步确认。
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
75中等
AI Agent技术具有广泛的社会应用价值，推动AI技术落地能带来较强的技术成就感与行业影响力。
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