滴滴出行
高级/资深 agent研发工程师
高级/资深 agent研发工程师
发布于 大约 6 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
学历未注明
软件工程
Ai Coding
Autogen
Crewai
Gpt
Langgraph
Rag
向量数据库
大模型
AI 估算 · 30k–60k
大厂高级AI工程师，北京市场，Agent技术稀缺，薪资竞争力强
职位详情
关于这个职位
作为滴滴出行效能平台部的Agent研发工程师，你将负责智能招聘、人力资源数字员工等AI Agent项目的架构设计与开发，涵盖多智能体协作、RAG知识库构建、记忆管理及全流程落地，用前沿技术解决HR业务场景的实际问题
最低要求
基本要求：具备3年以上工作经验，其中包含至少2年以上 AI 研发工作经验
技术能力：
精通主流 Agent 开发框架（如 LangChain / LangGraph、CrewAI、AutoGen、Dify、Coze等），具备框架选型与深度定制能力
精通记忆管理与上下文工程，熟悉对话状态管理、滑动窗口、摘要压缩、长期记忆持久化等核心技术方案
精通 RAG 技术全链路，包括文档解析、分块策略、Embedding模型选型、向量数据库的搭建与调优，以及检索增强生成的效果优化
熟悉主流大模型（GPT、Claude、GLM开源模型等）的能力边界与 Prompt Engineering最佳实践
具备扎实的后端开发能力，熟练掌握 Python/TypeScript 至少一门语言
项目经验
具备实际 Agent 项目的开发与交付经验，能展示过往项目中智能体的架构设计、技术选型与业务成效
对 AI 在企业级应用中的安全性、合规性有认知
AI 产品与工具熟练度
深度使用并熟悉主流 AI 产品，如 Claude Code、Codex、Cursor、OpenClaw等，理解产品背后的技术理念与设计哲学
熟练掌握 AI Coding 能力，能够借助 AI Harness 工程体系实现高效的 AI辅助开发，具备 100% AI 编码的实践经验与工程方法论
能够将 AI 工具链融入日常开发工作流，持续提升研发效能
我们期望你是这样的人
对 AI Agent 技术有强烈的热情，持续关注前沿动态
具备从 0 到 1 的项目落地能力，既能做架构设计，也能撸起袖子写代码
善于与产品、业务方沟通，能将模糊的业务需求转化为清晰的技术方案
自驱力强，具备在快速迭代环境中独立推进项目的能力
工作职责
智能体应用开发：负责或参与智能招聘、人力资源数字员工、员工服务智能体、管理者智能体 、HRBP 智能体、HR数据智能体等 AI 项目的架构设计与开发实施
Agent 系统建设：设计并搭建多智能体协作架构，实现复杂 HR业务场景下的任务编排、工具调用与自主决策能力
知识体系构建：构建并维护 HR 领域知识库，包括 RAG检索链路搭建、向量数据库管理、知识切片策略优化等
记忆与上下文管理：设计 Agent 长短期记忆机制与上下文管理策略，确保智能体在多轮对话、跨会话场景下的连贯性与准确性
项目落地交付：推动项目从原型验证到生产部署的全流程落地，与产品及HR业务方紧密协作，确保 AI 能力真正解决业务问题
优先资格
有多智能体协作、复杂工作流编排的实战经验者优先
有 HR/企业服务领域 AI 应用经验者优先
AI 洞察
优缺点分析
优点
- 前沿技术栈：深度接触Agent、RAG、大模型等最热门方向，技能积累快
- 业务场景丰富：HR场景多样化（招聘、员工服务等），落地价值明显
- 大厂平台：滴滴提供稳定环境、资源支持，且项目从0到1空间大
- 团队期望高：要求AI Coding能力，能极大提升个人开发效率
- 技术迭代快：Agent框架日新月异，需持续学习跟进
- 业务理解门槛：需要深入理解HR业务流程，将模糊需求转化为技术方案
- 适合对AI Agent技术充满热情、具备全栈开发能力、乐于在快速迭代中从0到1构建系统的技术型人才
缺点 / 挑战
- 全流程压力：从原型到生产部署，涉及多方协作，要求较强的项目推动力
角色解读
- 在Agent和RAG领域深耕，成为企业内部AI Agent架构专家
- 横向扩展至更多业务场景（如客服、营销），晋升为AI技术负责人
- 积累HR领域业务知识，转型为AI产品负责人或技术总监
- 设计和开发智能招聘、HR数字员工等AI Agent项目，参与从架构到实现的全过程
- 搭建多智能体协作系统，实现复杂HR业务流程的任务编排与自主决策
- 构建HR领域知识库，优化RAG检索链路，提升知识查询的准确性和效率
- 设计Agent记忆与上下文管理机制，保证多轮对话的连贯性
- 精通LangChain、LangGraph等主流Agent框架，能进行深度定制
- 熟练掌握RAG技术全链路，包括文档解析、向量数据库调优等
- 熟悉大模型能力与Prompt Engineering，有实际Agent项目交付经验
- 扎实的后端开发能力（Python/TypeScript），以及AI Coding工具链使用经验
申请策略
- 在简历中附上个人技术博客或GitHub项目，展示Agent相关的实践成果
- 面试前了解滴滴的HR产品和当前AI应用，思考可改进的点
- 突出Agent相关项目经验：详细描述架构设计、框架选型、业务成效
- 强调RAG全链路能力：包括文档处理、向量数据库调优、效果优化等案例
- 展示AI Coding能力：体现使用AI辅助开发的效率提升或自主开发工具
- 提及HR领域相关经验（如有），或可迁移的复杂业务场景经验
- 深入掌握LangGraph或AutoGen等框架，动手搭建一个多Agent协作Demo
- 补充记忆管理和上下文工程知识，阅读相关论文或开源实现
面试指南
- 针对技术问题，建议采用STAR法则（情境、任务、行动、结果）结合具体案例
- 对于设计类问题，先明确需求边界，再分层阐述（架构、组件、流程），并考虑扩展性和鲁棒性
- 请详细描述你过去的一个Agent项目，包括架构设计、框架选型、遇到的挑战及解决方案
- 如何设计一个多智能体协作系统来处理复杂的HR业务流程？请举例说明
- RAG系统中如何优化检索效果？比如文档分块策略、Embedding模型选择、重排序等
- 如何管理Agent的长期记忆，确保在多轮对话中不丢失关键信息？
- 你用AI Coding工具（如Cursor）辅助开发的实践经验，你认为如何提升开发效率？
- 准备1-2个完整的Agent项目案例，能够清晰画出架构图并解释关键决策
职位点评
69
综合评分
大厂Agent研发岗，前沿技术栈，薪资优厚但工作强度可能较高。
更适合这类人
极度关注技术成长、愿意投入时间学习前沿技术、对Agent方向有热情的求职者。
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90
工作生活50
使命价值60
薪资福利
75中等
大厂高级工程师薪酬体系完善，上市企业稳定性高，福利齐全，但JD未明确薪资范围，需面试确认。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
职位聚焦前沿AI Agent技术，RAG、大模型等，成长空间极大；团队鼓励AI Coding实践，有导师制（虽未明说但大厂通常有）。
技术前沿前沿/新兴技术
技术栈LangChain、LangGraph、CrewAI、AutoGen、RAG、向量数据库、大模型、GPT、Claude、AI Coding
业务类型ambiguous
工作生活
50较低
仅现场办公，未提及弹性工作制或WLB，大厂互联网部门通常有一定强度，通勤北京市区。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
60中等
AI赋能HR，提升企业效率，有明确社会价值，但属于内部效能平台，使命感不如直接面向用户的产品。
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