滴滴出行
AI Agent开发工程师
AI Agent开发工程师
发布于 2 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
Go
Langgraph
Prompt Engineering
Rag
多智能体系统
大模型应用
微服务架构
值不值得投
79综合评分
综合评分 79
聚焦AI Agent前沿技术、平台资源丰富、成长性强，但需适应快节奏研发环境。
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
4.5万
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 2260 个在招 · 其中人工智能 21 个
市场机会
选择面较广
杭州 · 人工智能 · 约 460 个在招
职位详情
关于这个职位
负责AI智能体系统的架构设计与核心代码开发，涵盖意图识别、任务规划与记忆管理等模块
参与多智能体协同框架研发，构建自动化评估体系以优化决策与容错能力
探索前沿AI技术并结合业务场景进行工程化落地，推动高可用生产级服务上线
最低要求
，计算机、软件工程、人工智能或相关专业本科及以上学历
具有 3 年以上后端开发经验，且有大模型/ Agent 相关的应用落地实战经验
，工程能力扎实： 精通 Python / Go / Java 等至少一种后端主流开发语言，具备高并发、微服务架构以及数据库/缓存的工程实战能力
，Agent 领域深度理解：a. 熟悉大模型应用开发全链路，熟练使用 LangChain、LangGraph、LlamaIndex、CrewAI 或 Semantic Kernel 等主流开源框架
b. 深入理解 Prompt Engineering、RAG 知识检索、Function Calling/Tooling 以及长上下文治理技巧
，评估与数据敏感度： 具备针对 Agent 系统的评测经验，了解如何设计 Baseline 测试集中并优化 Benchmark，能够以数据驱动的方式持续提升智能体的回答质量与任务完成度
，综合素质： 具备良好的逻辑思维、自驱力与团队协作沟通能力，能够应对快速迭代的研发节奏，对 AI 领域的新技术保持强烈的求知欲
工作职责
，负责团队智能体（Agent）系统的架构设计、核心代码编写与工程化落地，包括意图识别、任务规划（Planning）、工具调用（Function Calling）、长短期记忆管理（Memory）等核心模块
，多智能体与工作流编排： 参与研发多智能体协同框架（Multi-Agent System）及复杂工作流（Workflow），优化 Agent 在复杂业务场景下的决策机制、容错机制与逻辑推理能力
，评估与反馈体系建设（Agent Eval）： 主导或参与构建客观、稳健的 Agent 评估与测试体系，针对任务完成率、Tool Calling 准确率、幻觉率、链路耗时及成本进行量化评测与自动化监控
，技术前沿探索与优化： 探索与引入行业前沿 Agent 技术（如 ReAct、CoT、SFT 微调、RAG 检索增强、OpenClaw/LangGraph/AutoGPT 等开源框架），并结合业务场景进行二次开发与工程化改造
，跨团队协同与落地： 与产品、算法、前端及业务团队紧密配合，深入分析业务痛点，推进智能体应用从 Demo 快速演进至高可用、高并发的生产级服务
AI 洞察
优缺点分析
优点
- 聚焦AI Agent前沿赛道，技术栈领先（LangGraph/RAG/多智能体），能接触头部企业真实业务场景
- 平台资源雄厚，提供稳定的研发环境与充足的算力/数据支持
- 需快速适应AI技术高速迭代节奏，平衡前沿探索与工程稳定性要求
- 多智能体协同与复杂工作流调试难度大，对系统架构与性能优化要求极高
- 适合具备扎实后端基础、对大模型应用有浓厚兴趣且追求技术前沿的开发者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI架构师或大模型技术专家方向发展，深入掌握多智能体系统与复杂工作流编排技术
- 积累行业落地经验后，可转向AI产品技术负责人或独立带领AI创新项目组
- 负责AI智能体（Agent）系统的架构设计与核心代码开发，实现意图识别、任务规划与记忆管理等关键功能
- 参与多智能体协同框架研发，构建自动化评估体系以持续优化模型决策与容错能力
- 跟踪前沿AI技术并进行工程化改造，推动智能体应用从原型验证走向高并发生产环境
- 精通Python/Go/Java等后端语言，具备高并发与微服务架构实战经验
- 熟练掌握LangChain/LangGraph等主流Agent框架及RAG、Prompt Engineering等技术
- 具备大模型应用全链路开发能力及系统评测与数据驱动优化思维
申请策略
- 提前了解滴滴国际化出行平台的业务痛点，准备如何将AI Agent技术应用于实际场景的方案
- 突出大模型/Agent项目落地经验，详细展示架构设计、性能优化及评测指标提升的具体成果
- 强调Python/Go等语言的高并发处理能力及微服务部署经验
- 深入研读LangChain/LangGraph官方文档，动手复现经典Agent案例
- 补充RAG检索优化、长上下文治理及自动化评测脚本编写能力
面试指南
- 采用STAR法则清晰阐述项目背景、个人职责、技术选型依据及最终量化成果
- 重点说明技术难点突破过程与数据驱动的优化闭环
- 请介绍你过往的大模型/Agent项目架构，如何解决幻觉或延迟问题？
- 如何设计一套完整的Agent自动化评测体系？
- 面对复杂的业务工作流，你会如何利用LangGraph或多智能体框架进行编排？
- 复习大模型核心原理（Attention机制、Tokenization）及主流Agent框架特性
- 准备1-2个完整的项目案例，重点打磨系统设计图与性能调优细节
职位点评
薪资福利80
成长发展90
工作生活65
使命价值75
薪资福利
80较高
头部科技企业提供的薪酬福利处于市场中上水平，结合上市企业稳定性，对补偿性动机满足度较高。
薪资信号未披露（AI估算：3.0千–6.0万/月）
成长发展
90较高
职位直接聚焦AI Agent前沿技术，提供接触最新开源框架与复杂业务场景的机会，成长空间广阔。
技术前沿前沿/新兴技术
技术栈LangChain、LangGraph、RAG、Prompt Engineering、多智能体系统、大模型应用
业务类型ambiguous
工作生活
65中等
互联网大厂通常节奏较快，JD提及“快速迭代的研发节奏”，WLB可能面临一定压力，但技术岗通常有一定弹性。
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技术致力于提升业务自动化与决策效率，具有明确的行业应用价值与社会生产力提升意义。
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