希音
AI Agent工程师（智能客服方向）
AI Agent工程师（智能客服方向）
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
Ai Agent
Llm
Prompt Engineering
Rlhf
Sft
内容安全
多智能体系统
机器学习
模型微调
值不值得投
78综合评分
综合评分 78
前沿AI技术岗、业务落地价值高、技术成长性强，办公模式与WLB需进一步确认。
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
3.5万
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 520 个在招 · 其中人工智能 2 个
市场机会
选择适中
南京 · 人工智能 · 13 个在招
职位详情
关于这个职位
该职位专注于将先进大语言模型（LLM）能力落地于智能客服等核心业务场景
你将负责研发智能体（Agent）系统，包括Prompt工程、模型微调、评测部署以及多智能体系统设计，旨在提升内容治理、机器审核等业务的审核效率与精准度，直接赋能业务并驱动技术迭代
最低要求
学历与经验：本科及以上学历，计算机、人工智能、软件工程或数学等相关专业
具备2年以上算法或后端开发经验
编程基础：精通Python/Java/C#等至少一门编程语言，具备优秀的编码习惯、工程化思维和代码调试能力
LLM专业能力：
熟悉大模型微调技术（如LoRA、P-Tuning），有实际的数据构建、SFT/RLHF训练经验者优先
具备实际的Agent或Multi-Agent项目开发经验，对AI Agent的规划、记忆、工具使用等模块有深刻理解
综合素质：具备极强的自驱力和学习能力，对AI技术抱有极大热情，善于解决复杂的工程问题，具备良好的团队协作和业务抽象能力
工作职责
业务落地与提效：负责大模型在内容治理、机器审核业务场景的算法应用与工程化落地，针对复杂审核场景设计并优化算法策略，显著提升审核人效与风险识别能力
LLM应用开发：深入参与基于大语言模型的智能应用开发，包括但不限于Prompt Engineering、模型微调（SFT/RLHF）、模型评测与部署，确保模型在业务中的稳定表现
智能体（Agent）构建：主导或参与智能体及多智能体（Multi-Agent）系统的设计与开发，利用外部工具（Tools/API）增强模型能力，解决复杂的多轮推理与决策问题
技术探索与演进：紧密跟踪AI前沿技术（如RAG、Long Context、新模型架构等），持续推动机审场景下技术架构的迭代与革新，保持团队技术的行业领先性
优先资格
有内容安全、风控、反作弊等领域的算法或系统开发经验者优先
AI 洞察
优缺点分析
优点
- 能直接接触和应用最前沿的大语言模型技术（如LLM、Agent），技术成长速度快
- 项目直接赋能核心业务（内容治理/审核），技术成果的业务价值可见度高
- 有机会主导或深度参与复杂的Agent系统设计，积累解决高难度工程问题的宝贵经验
- AI技术迭代迅速，需要持续保持高强度学习，跟进最新的模型、框架和研究成果
- 可能需要快速理解特定业务领域（如内容安全、风控）的规则与痛点，对业务抽象能力要求高
- 适合对AI技术，特别是大语言模型与智能体有浓厚兴趣，具备扎实工程基础，并渴望将前沿技术应用于解决实际复杂业务问题的技术开发者
缺点 / 挑战
- 将AI技术稳定落地于复杂的业务场景（如审核）可能面临工程化、效果与稳定性平衡等挑战
角色解读
- 技术专家路线：可深入成为AI Agent架构师、大模型应用专家，专注于复杂业务场景的智能化解决方案
- 技术管理路线：在积累项目经验和技术影响力后，可向技术负责人、AI团队Leader方向发展
- 业务赋能路线：凭借对业务场景（如内容安全）的深刻理解，可转型为AI业务架构师或产品经理，驱动AI技术与业务深度融合
- 负责将大语言模型（LLM）应用于内容治理、机器审核等具体业务，设计并优化算法策略以提升效率和准确性
- 深入开发基于LLM的智能应用，包括进行Prompt工程、模型微调（SFT/RLHF）、评估与部署等全流程工作
- 主导或参与设计和开发复杂的智能体（Agent）与多智能体系统，集成外部工具以解决多轮推理与决策问题
- 持续跟踪RAG、长上下文、新模型架构等AI前沿技术，推动审核场景的技术架构持续创新
- 精通Python、Java或C#中的一种，具备扎实的工程化编码和调试能力
- 掌握大语言模型应用技术栈，如Prompt Engineering、模型微调（LoRA/P-Tuning）、SFT/RLHF训练
- 具备实际Agent/Multi-Agent系统开发经验，理解Agent架构中的规划、记忆、工具调用等核心模块
- 对AI技术有强烈热情，具备出色的自驱学习能力、复杂问题解决能力和团队协作精神
申请策略
- 深入研究公司的业务模式，特别是其内容治理和审核面临的挑战与解决方案，思考AI技术如何赋能
- 准备一个能够清晰展示你如何设计AI系统解决具体业务问题的案例，涵盖问题定义、技术选型、实施与效果
- 重点突出任何与LLM、Agent、模型微调、Prompt Engineering相关的项目经验，描述具体技术方案与业务成果
- 展示扎实的工程能力，强调使用Python/Java等语言进行后端开发、系统设计、性能优化的经历
- 如有内容安全、风控、反作弊等领域的算法或系统开发经验，务必详细阐述，这是重要加分项
- 系统学习并实践Agent框架（如LangChain, AutoGen）和RAG技术，构建个人项目以加深理解
- 关注最新的大模型微调技术（如QLoRA）和评测方法，并尝试在开源模型上进行实践
面试指南
- 对于项目描述类问题，采用“背景-目标-方案-执行-成果-反思”的结构，重点突出你的技术决策和影响力
- 对于系统设计类问题，先明确业务目标与约束，再分解任务模块（如感知、规划、记忆、行动），并阐述关键模块的技术实现与权衡
- 对于技术原理类问题，先阐述核心概念，再结合实际项目经验说明如何应用，最后讨论其优缺点和最佳实践
- 请介绍一个你主导或深度参与的Agent/Multi-Agent项目，你在其中的角色、技术选型以及遇到的最大挑战和解决方案
- 如何评估一个基于LLM的智能应用在真实业务场景中的效果？你会设计哪些指标和评测流程？
- 在模型微调（SFT/RLHF）项目中，你是如何构建和处理训练数据的？遇到了哪些数据层面的挑战？
- 对于一个需要综合判断、多步推理的复杂审核任务，你会如何设计一个AI Agent系统来解决？
- 你如何看待RAG技术与长上下文（Long Context）技术在解决大模型幻觉或知识过时问题上的优缺点与适用场景？
职位点评
薪资福利75
成长发展90
工作生活65
使命价值80
薪资福利
75中等
公司为C轮及以后的跨国/巨头企业，具备一定的规模与稳定性，薪资信号为市场水准，能提供行业内的合理薪酬。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位要求前沿的LLM应用与Agent开发技能，工作内容涉及技术探索与迭代，能为个人技术栈的深度与广度带来显著成长。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Prompt Engineering、LoRA、P-Tuning、SFT、RLHF、RAG、Long Context
成长机会紧密跟踪AI前沿技术、持续推动...技术架构的迭代与革新、保持团队技术的行业领先性
业务类型profit_center
工作生活
65中等
工作地点为全球运营中心，预计为固定办公地点。JD未提及远程办公或弹性工作制度，生活便利性主要取决于具体区位。
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
80较高
工作直接赋能内容治理与审核业务，有助于提升平台信息质量与安全，具有明确的业务价值和社会意义。
行业发展高速增长赛道
社会影响中性/一般
使命信号提升审核效率与精准度、直接赋能业务
创新程度积极采用新技术
Watch Jobs