滴滴出行
Agentic Engineer
Agentic Engineer
发布于 大约 3 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Ai Agent
Llm
Mcp
Prompt Engineering
产品思维
全栈开发
自驱力
AI 估算 · 25k–45k
AI Agent方向热门，北京大厂中级工程师薪资具有竞争力，月薪约2.5-4.5万
职位详情
关于这个职位
加入滴滴L Lab，你将专注于AI Agent系统的设计与研发，独立承担Agent Loop、Tool Use、Memory等核心模块的落地
你将主导Prompt/Context Engineering的工程化建设，把单点调优沉淀为可复用、可评测的方法，并推动AI功能从0到1的完整闭环，同时跟踪MCP等前沿技术
这是一份技术挑战大、成长空间广阔的前沿岗位
最低要求
本科及以上学历，3 年以上研发经验
能独立完成从接口设计到界面交付的完整链路
至少有一个 LLM / Agent 应用的完整落地经历，能清晰讲清楚技术选型、踩过的坑与效果验证方式
熟悉 LLM 与 Agent 的基本机制与技术原理
Agent 类产品的重度用户
强自驱与 owner 意识，能在需求与信息都不充分的情况下主动定义问题、推进落地
学习能力强，适应探索性、实验性的工作节奏
逻辑清晰，能与产品、算法等跨职能角色高效协作
工作职责
负责 AI Agent 系统的设计与研发，独立承担 Agent Loop、Tool Use、Memory等核心模块的方案设计与落地
主导 Prompt / Context Engineering 的工程化建设：把单点调优沉淀为可复用、可评测、可回归的方法与资产，而非一次性调参
挖掘并定义 AI 落地场景，推动功能从 0 到 1：完成场景假设 → 原型 → 小流量验证→ 迭代的完整闭环，并对最终效果负责
以全栈方式交付产品
跟踪 Agent 领域前沿（MCP、Skills、Subagent、Agent Harness 等），输出技术调研并将其转化为团队可用的实践
优先资格
有 Agent 评测体系或数据 Pipeline 的建设经验
有 MCP Server / Agent Harness / Agent 框架层面的开发经验，或相关开源贡献
对 AI 产品形态与 Agentic 工作流有独立、成体系的思考（欢迎附带博客、开源项目、内部分享等任何形式的输出）
AI 洞察
优缺点分析
优点
- 滴滴拥有丰富的业务场景和真实数据，为AI落地提供了广阔的应用空间
- 全栈开发模式能全面提升综合能力，同时积累从0到1的产品经验
- 大公司平台资源丰富，技术氛围开放，有机会与优质算法和产品团队合作
- 探索性工作多，业务方向和目标可能频繁调整，需要较强的适应能力
- 技术迭代极快，需要持续学习新技术、新框架，保持前沿敏感度
- 适合对AI技术有强烈热情、自驱力强、喜欢探索未知并享受创造性工作的工程师
缺点 / 挑战
- 处于AI Agent发展最前沿，技术挑战大，成长速度快，个人能力容易获得显著提升
- 从0到1的项目需要承担最终效果的压力，面对不确定性和模糊性时需独立决策
角色解读
- 成长为AI Agent领域的资深技术专家，深入底层架构与核心算法
- 向技术管理方向发展，带领团队探索新场景，主导技术路线规划
- 由于Agent技术的前沿性，有机会参与行业标准制定或成为技术布道者
- 负责AI Agent系统核心模块（如Agent Loop、工具调用、记忆机制）的设计与实现，确保系统稳定与智能
- 将Prompt和Context Engineering工程化，建立可复用、可评测、可回归的方法和资产，提升调优效率
- 挖掘业务中的AI落地场景，推动功能从0到1的完整闭环，包括方案设计、原型验证、小流量测试和迭代优化
- 跟踪MCP、Agent Harness等前沿技术，输出调研并转化为团队实践，同时以全栈方式交付产品
- 精通LLM与Agent的基本原理，具备完整的项目落地经验，能独立完成技术选型与实现
- 掌握Prompt/Context Engineering的系统化方法，能从单点调优升级到工程化建设
- 具备全栈开发能力，能够独立完成从后端接口到前端界面的完整交付链路
- 具有强自驱力和owner意识，能在信息不充分时主动定义问题并推进落地，同时善于跨职能协作
申请策略
- 关注滴滴AI Lab的技术分享和团队研究方向，在面试中展现对团队业务的理解和热情
- 准备一个完整的Agent项目案例，能够清晰讲解问题定义、方案设计、落地效果和反思
- 突出完整的LLM/Agent项目经历，详细描述技术选型、踩坑过程和效果验证方法，展现扎实的项目经验
- 强调对MCP、Agent框架等前沿技术的了解或贡献，可附上相关开源项目或技术博客
- 展示全栈开发能力和独立交付能力，突出从接口到界面的端到端实现经验
- 如有产品思维或跨职能协作的经历，也应重点体现，因为这职位需要owner意识
- 深入实践Agent相关技术，如在本地搭建Agent应用，熟悉Agent Loop、Tool Use等机制
- 系统学习Prompt Engineering和Context Engineering，掌握评测体系的设计思路
面试指南
- 使用STAR法则组织项目经验：情境（Situation）、任务（Task）、行动（Action）、结果（Result），重点突出你的个人贡献和量化成果
- 在回答工程化问题时，从问题定义、方案设计、实现评估、迭代优化四个层面展开，展示系统思考能力
- 对于前沿技术理解类问题，结合具体场景说明技术原理和应用价值，体现学习的深度和广度
- 请详细描述你做过的一个LLM/Agent项目，包括技术选型、遇到的坑和如何验证效果
- 如何将Prompt调优从单点行为变成可复用、可评测的工程化体系？
- 你对MCP协议的理解是什么？它解决了Agent生态中的什么问题？
- 在需求不明确的情况下，你会如何定义一个问题并从0到1推进项目？
- 如何平衡Agent的自主性与可控性，确保输出的质量和安全？
职位点评
75
综合评分
AI Agent前沿研发岗，技术成长性强，薪资未明示但预计大厂水准，现场办公且强度未知。
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
适合追求技术成长、热爱前沿科技、能够适应不确定性和强自驱要求的工程师。
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80
薪资福利
75中等
虽然JD未明确薪资和福利，但滴滴作为上市公司提供有竞争力的薪酬，整体补偿性较好。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
该职位处于AI Agent前沿，涉及大量新技术探索，技能成长潜力极大，发展性动机得到充分满足。
技术前沿前沿/新兴技术
技术栈LLM、Agent、MCP、Prompt Engineering、Context Engineering、Tool Use、Memory
业务类型ambiguous
工作生活
50较低
JD未提及工作方式与地点细节，无法确认灵活性，探索性工作可能伴随弹性需求，生活方式满足度一般。
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
80较高
AI Agent是当前最受关注的领域，工作内容具有前瞻性和创新意义，使命感强，但具体社会价值未提及。
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
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs