滴滴出行
CPG-AI平台研发工程师
CPG-AI平台研发工程师
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平台工程
平台工程
A/B测试
Agentic Coding
Agent平台
Langgraph
Mcp协议
中间件
分布式系统
可观测性
平台架构
值不值得投
78综合评分
综合评分 78
前沿Agent平台基建岗，技术成长性极高，薪资有竞争力，但工作模式与WLB信息不明。
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。
薪资怎么样
35K
比平台工程中位数低
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 1040 个在招 · 其中平台工程 5 个
市场机会
选择适中
北京 · 平台工程 · 42 个在招
职位详情
关于这个职位
该职位是滴滴出行基础产品事业部的AI平台研发工程师，专注于为集团内部大规模Agent场景构建下一代Agent服务平台和基础设施底座
工作涵盖Agent服务托管、质量评估体系构建以及Agent工具/技能网关的建设与治理
最低要求
熟悉分布式系统设计，有平台/中间件/Infra产品从0到1或1到N经验
使用 Cursor / Claude Code / Codex 等进行重度编程，对 agentic coding 的能力边界和 failure mode 有切身的体感
能在Agent领域持续学习，在不确定性下做架构判断和技术取舍
对Code Agent的未来有深刻思考，希望加入这股生产力变革的浪潮之中
工作职责
参与Agent Infra平台的设计与研发，面向集团内大规模Agent场景，建设下一代Agent服务平台和Agent时代的基础设施底座
参与设计和落地生产级Managed Agent能力，包括但不限于Agent服务托管、Session/Event/Memory抽象、长任务运行、Agent Harness接入、Agent View/Trace/Replay/Observability等能力
参与构建 Agent 质量评估体系：自动化 eval pipeline、A/B testing、regression detection
负责平台Agent Tool/Skill/MCP网关与治理体系建设，沉淀Tool Contract、Skill Registry、MCP/A2A协议适配、工具调用审计等平台能力，帮助业务低成本构建和复用Agent能力
优先资格
有真实Agent产品设计或开发经验，熟悉LangGraph/DSH/Codex/Claude Code等Agent框架，有Agent调优/eval/replay经验
对Agent Sandbox/Skill/MCP/Memory/Tool Contract等Agent Infra组件有研发经验
熟悉业界Agent平台演进（Anthropic/AWS/Google/OpenAI），能基于业界趋势做技术判断
AI 洞察
优缺点分析
优点
- 技术前沿性极高：直接参与AI Agent基础设施的建设，处于当前最热门的技术浪潮核心
- 平台影响力大：工作成果将服务于集团内部大规模业务场景，技术价值得到广泛验证
- 架构视野广阔：需要设计高可用、可扩展的平台系统，能极大锻炼架构设计与技术判断能力
- 技术难度与不确定性高：Agent技术仍在快速演进，平台设计需要应对高度的技术不确定性
- 对综合能力要求高：不仅需要深厚的技术功底，还需要对Agent生态、业务场景有深刻理解
- 工作强度与责任重：作为基础设施平台，需要保证高稳定性和可用性，责任重大
- 适合对AI Agent技术有强烈热情、具备扎实平台架构能力、享受在不确定性中做出关键技术决策、并渴望用技术驱动生产力变革的资深工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：深耕AI Infra领域，成为Agent平台架构与核心组件设计方面的权威专家
- 架构师路线：负责更宏观的AI平台整体架构设计，引领团队构建下一代AI原生应用基础设施
- 技术管理路线：凭借扎实的技术功底和项目经验，逐步带领团队，负责更大规模的平台建设
- 设计并构建服务于大规模Agent场景的底层基础设施平台，解决Agent服务的托管、运行与管理问题
- 构建Agent的质量评估与观测体系，确保Agent在生产环境的稳定性和效果可度量
- 建设Agent工具、技能与协议的网关与治理能力，让业务能低门槛地集成和复用Agent能力
- 具备扎实的分布式系统设计与开发能力，有从0到1或1到N构建平台/中间件产品的实战经验
- 深度使用过Cursor/Claude Code等AI编程工具，对Agentic Coding的流程、局限与挑战有切身体会
- 对AI Agent技术生态有浓厚兴趣和持续学习能力，能跟进LangGraph、MCP等前沿框架与协议的发展
申请策略
- 在简历或求职信中，主动阐述你对Code Agent未来演进方向和Agent基础设施挑战的思考
- 可以准备一个关于如何设计一个“Managed Agent”或“Agent质量评估体系”的简短技术方案，在面试中展示
- 重点突出参与过的分布式系统、中间件或平台级项目的架构设计与开发经验
- 详细描述使用Cursor、Claude Code等AI编程工具完成复杂任务的具体案例和心得
- 展示对Agent领域技术栈（如LangGraph、MCP协议）的了解和实践，哪怕是个人项目或深入研究
- 系统学习并实践主流的Agent框架（如LangGraph）和协议（如MCP、A2A），搭建一个个人Demo
- 深入理解Agent的生产化需求，研究评估（Evaluation）、可观测性（Observability）和沙箱（Sandbox）等技术方案
- 持续关注OpenAI、Anthropic、AWS等厂商的Agent平台发布与技术博客，形成自己的技术判断
面试指南
- 使用“问题-挑战-方案-价值”的结构来回答设计类问题，强调技术取舍和业务价值
- 结合具体项目经验，使用STAR法则（情境、任务、行动、结果）来描述过往成就
- 对于前沿技术问题，展现你的学习广度和深度，可以结合业界动态（如Anthropic的做法）进行对比分析
- 你如何理解Agent Infra平台需要解决的核心问题？请谈谈你的设计思路
- 如果让你设计一个生产级的Agent Sandbox，你会考虑哪些关键因素？
- 请描述一个你过去负责的、最复杂的平台或中间件项目，你在其中的角色和遇到的最大挑战
- 对于Agent的自动化评估，你认为除了A/B Testing和回归检测，还可以构建哪些能力？
- 你如何看待MCP协议的发展？它对Agent Tool生态可能带来哪些改变？
职位点评
薪资福利75
成长发展90
工作生活60
使命价值85
薪资福利
75中等
作为上市企业的高级技术岗位，预计能提供具有市场竞争力的薪酬福利，但JD未明确说明具体数字。
薪资信号未披露（AI估算：2.8–4.2万/月）
成长发展
90较高
该岗位处于AI Agent技术前沿，能接触到大规模平台架构设计，提供极高的技术成长和行业视野。
技术前沿前沿/新兴技术
技术栈Agent平台、LangGraph、MCP协议、分布式系统、agentic coding
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式、办公地点详情及WLB相关信息，生活化动机满足程度难以判断。
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
85较高
参与构建AI时代的基础设施底座，有望对内支撑大规模业务智能化，具有较高的技术使命感和社会影响力预期。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs