希音
Agent开发工程师（上海/南京）-2027届
Agent开发工程师（上海/南京）-2027届
发布于 大约 22 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
Llm
Rag
Sql
内容安全
数据分析
机器学习
值不值得投
73综合评分
综合评分 73
技术前沿、成长性强的AI应用岗，核心业务相关，但办公模式与WLB需进一步确认。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
22K
比人工智能中位数低
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 530 个在招
市场机会
选择面较广
上海 · 人工智能 · 约 120 个在招
职位详情
关于这个职位
该岗位为2027届校招的Agent开发工程师，主要负责参与大模型在内容安全、机器审核等业务场景中的应用落地
工作内容涉及基于大语言模型的智能应用开发、智能体（Agent）系统的原型设计与实现，并需跟踪LLM、Agent、RAG等领域的前沿技术动态
最低要求
届硕士及以上学历，计算机、人工智能、数学、统计、数据科学等相关专业
知识基础:扎实的算法与数据结构基础，熟悉机器学习常见任务(如分类、检索)与深度学习基本原理
工具技能:
（1）熟练使用Python进行数据处理与分析，掌握Pandas、NumPy等库;熟悉TensorFlow或PyTorch中至少一种深度学习框架;
（2）熟练掌握SQL，能独立编写复杂查询进行数据提取与分析;
（3）了解Redis、消息队列等常用中间件者优先
具备 Agent 的开发经验，了解并熟悉 RAG/Harness/looping engineering 等前沿agent 开发理念
对市面上主流的 AI 工具(含 AI 编程类工具，claude code/codex/zcode/cursor 等)、开源大模型(DeepSeek/Qwen 等)的使用有丰富的经验，讲清流程和原理
实践经验:在算法竞赛、科研项目或实习中，有实际的模型训练、数据分析、大模型应用等相关经验者优先
综合素养:逻辑清晰，自驱力强，具备良好的学习能力、沟通能力与团队协作意识
工作职责
业务场景探索与落地：参与大模型在内容安全、机器审核业务场景中的应用探索，协助设计算法策略，针对特定复杂案例进行效果验证与分析
参与模型效果的评估工作，通过数据分析提出优化建议，助力提升审核人效
LLM应用开发与优化：参与基于大语言模型的智能应用开发，协助进行Prompt提示词工程优化、模型微调（SFT）数据的构建与清洗
配合进行模型评测工作，记录实验数据，对比不同模型/策略在风控场景下的表现差异
智能体（Agent）系统搭建：参与智能体或多智能体（Multi-Agent）系统的原型设计与代码实现，协助集成外部工具（Tools/API）以增强模型解决复杂问题的能力（如风险链路推理、证据链追溯等）
阅读并复现前沿的Agent相关论文，探索其在机审场景下的创新应用
前沿技术跟踪与分享：密切关注LLM、Agent、RAG等领域的前沿技术动态，定期进行技术调研与内部分享，为团队的技术选型提供参考
AI 洞察
优缺点分析
优点
- 技术栈前沿，直接接触和应用LLM、Agent等最热门的AI技术
- 作为跨国电商巨头，平台规模大，AI应用场景丰富且复杂
- 岗位面向2027届校招，提供了系统化的培养和快速成长机会
- 技术难度高，需要快速学习并跟进LLM和Agent领域的飞速发展
- 实际业务场景（如机审）复杂多变，对算法策略的有效性和鲁棒性要求高
- 在快速迭代的环境中，需要较强的抗压能力和持续学习的自驱力
- 适合对人工智能、特别是大语言模型和智能体技术有强烈兴趣，具备扎实编程和算法基础，喜欢解决复杂工程问题，并期望在电商或互联网领域快速成长的2027届硕士毕业生
缺点 / 挑战
- 业务场景明确且具有挑战性（内容安全），技术成果易于验证
角色解读
- 深耕AI应用开发方向，成为AI Agent系统架构师或算法专家
- 凭借在内容安全领域的经验，可向风控策略、平台治理等方向发展
- 从执行者成长为技术负责人，带领团队探索前沿AI技术的商业化落地
- 负责将大语言模型（LLM）应用于内容安全审核等具体业务场景，探索并实现智能化解决方案
- 开发与优化基于LLM的智能应用，包括提示词工程和模型微调数据的准备工作
- 参与设计和实现智能体（Agent）或多智能体系统，集成外部工具以解决复杂问题
- 跟踪AI领域最新技术动态，进行内部分享，为团队技术决策提供支持
- 扎实的算法、数据结构、机器学习和深度学习理论基础
- 熟练的Python编程能力，熟悉数据分析库和主流深度学习框架
- 熟悉Agent开发理念（如RAG、Harness等），并有相关实践经验
- 对主流AI编程工具和开源大模型（如DeepSeek、Qwen）有深入理解和使用经验
申请策略
- 仔细研究SHEIN的电商业务模式，思考AI技术（尤其是内容审核和风控）在其中的应用场景和价值
- 准备一个与Agent或LLM应用相关的个人项目或案例，以便在面试中深入讨论
- 在简历和面试中，体现出你对技术的热情、自驱的学习能力以及良好的沟通协作意识
- 重点突出与LLM、Agent、RAG相关的项目经历或研究成果，详细描述你在其中的角色、技术选型和实际效果
- 列举在算法竞赛、科研论文或实习中体现的机器学习、数据分析能力，最好有量化的成果
- 展示对Python、深度学习框架（PyTorch/TensorFlow）、SQL等工具的熟练掌握程度
- 如有使用或研究过JD中提及的AI工具（如Cursor）或开源模型（如DeepSeek），可在简历中明确提及
- 系统学习或复习Agent开发的核心概念和框架（如LangChain, LlamaIndex），理解其工作原理
面试指南
- 回答项目经历时，采用STAR原则（情境、任务、行动、结果），清晰描述技术决策和贡献
- 对于开放性技术问题，可以先阐述核心概念，再结合岗位场景（如内容安全）提出你的设计思路和权衡考虑
- 对于效果评估类问题，从业务目标（如准确率、召回率、审核效率）和技术指标（如延迟、成本）两个维度展开
- 请描述一个你过去做过的与大语言模型或智能体相关的项目，你在其中遇到了哪些技术挑战，是如何解决的？
- 你对RAG（检索增强生成）技术是如何理解的？在构建一个用于内容审核的Agent时，你会如何设计其知识检索和推理链路？
- 如果让你设计一个Prompt来优化模型在某个复杂审核案例上的表现，你的思路和步骤会是什么？
- 你如何评估一个AI应用（如风控模型）在线上效果的好坏？你会关注哪些核心指标？
- 你如何看待当前AI Agent技术的发展瓶颈和未来趋势？
职位点评
薪资福利65
成长发展90
工作生活50
使命价值80
薪资福利
65中等
作为校招岗位，薪资水平具有市场竞争力，但JD未明确具体福利与补贴细节，补偿性动机满足程度中等偏上。
薪资信号市场水准 (18K-25K/月)
成长发展
90较高
该岗位技术前沿（LLM, Agent），直接参与核心业务落地，且有明确的成长路径和培养导向，对技能成长和职业发展有很强的支持。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、SFT、Python、PyTorch、TensorFlow、SQL、DeepSeek、Qwen
业务类型profit_center
工作生活
50较低
工作地点为上海或南京，但未说明办公模式、通勤便利性及工作强度信息，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
80较高
岗位处于高速增长的电商行业与前沿AI技术的交叉点，通过技术解决真实业务问题（内容安全），具有明确的社会价值和行业前景。
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