莉莉丝
【2027秋招】算法工程师
【2027秋招】算法工程师
发布于 大约 15 小时前普通员工/个人贡献者
上海市
无经验要求
全职员工
仅现场办公
硕士
NLP工程
Llm
Mcp
Multi-Agent
Prompt Engineering
Rag
Sql/Nosql
AI 估算 · 25k–40k
LLM/Agent为前沿方向，上海大厂算法岗校招竞争激烈，薪资水平高于一般技术岗。
职位详情
关于这个职位
该岗位是莉莉丝2027届校招算法工程师，聚焦LLM与Agent技术在游戏业务场景的落地
你将独立负责从需求拆解、Agent系统设计、RAG与Prompt优化到上线迭代的完整闭环，并持续追踪前沿技术
适合对大规模语言模型和智能体有深入理解、喜欢工程实现的硕博应届生
最低要求
．专业背景：数学、统计学、计算机、AI、软件工程等相关专业，2027届硕博毕业生
．编程能力：熟练掌握Python，具备良好的工程素养与代码规范意识
熟悉Linux、Git、Docker及后端服务开发，掌握RESTful API和SQL/NoSQL基础，理解并发、缓存等常见工程问题
．LLM基础：了解主流开闭源模型的能力边界、特性差异与适用场景，能根据业务需求进行模型选型与组合
．Agent能力：深入理解Agent架构、工具调用（Function Calling / Tool Use）、Agent Harness与评测、Skills体系及多Agent协作，具备完整的Agent系统设计与实现经验
．系统思维：能独立拆解复杂问题，将模糊需求转化为清晰的技术方案，并合理权衡可行性、成本与风险
．调研能力：能追踪、阅读并复现前沿论文与开源项目，独立完成技术方向的深度调研并输出可落地结论
．综合素质：具备良好的协作、沟通与逻辑思维能力，自驱且结果导向，能在有限指导下独立推进项目
工作职责
负责LLM与Agent技术在游戏公司内部场景的落地应用，独立承担从需求拆解、方案设计到上线迭代的完整闭环
设计与构建LLM Agent系统，包括但不限于Agent架构设计（Planning、Memory、Tool Use、Multi-Agent协作）、Agent Harness与评测体系搭建、Skills/工具生态建设
运用Prompt Engineering、Context Engineering、RAG等技术优化LLM输出质量，使其对齐业务需求与人类偏好
负责RAG系统的架构设计、构建与持续优化
跟踪前沿模型与Agent技术进展（如Agent Skills、Computer Use、MCP、长程任务执行等），评估其在业务场景的适用性并推动落地
沉淀可复用的Agent基础设施与最佳实践，支持团队内多业务方向的LLM应用需求
优先资格
加分项：
．有异步编程、消息队列、分布式服务等高并发实践经验
．有LLM微调（SFT、RLHF/DPO等）及多卡、分布式训练经验
．有LLM/Agent评测集或自动化评测流水线建设经验
．有高质量开源贡献、顶会论文或相关竞赛获奖经历
．具备Web前端基础，能独立搭建Demo或内部工具
．热爱游戏，对LLM与Agent技术在游戏领域的应用有思考
AI 洞察
优缺点分析
优点
- 莉莉丝是大型游戏公司，平台稳定，且AI+游戏是当前热门赛道
- 岗位覆盖从需求到上线的完整闭环，个人成长和项目主导空间大
- 能接触Agent Skills、MCP、Computer Use等前沿技术，技术视野开阔
- 校招岗位对硕博应届生友好，可借助公司资源系统成长
- 对工程能力要求高，需要掌握后端、Docker等，不只是算法层面
- LLM/Agent领域迭代极快，需要持续阅读论文和跟踪开源项目
- 适合对LLM/Agent有浓厚兴趣、喜欢工程实现、愿意在游戏AI方向深耕的硕博应届生
缺点 / 挑战
- 游戏内部场景需求偏模糊，如何转化为可落地的技术方案是一大挑战
角色解读
- 可成长为LLM/Agent技术专家，深耕智能体架构、RAG、模型调优等方向
- 可向技术负责人/架构师方向发展，主导基础设施和团队技术建设
- 游戏+AI是新风口，积累的经验可横向迁移至更多业务或行业
- 负责LLM与Agent技术在游戏业务场景的落地，从需求拆解到上线迭代全流程
- 设计构建Agent系统，包括Planning、Memory、Tool Use、Multi-Agent协作及评测体系
- 运用Prompt Engineering、RAG等技术优化模型输出，并持续调优RAG架构
- 跟踪前沿技术如MCP、Computer Use，评估并推动在业务中落地
- 精通Python，熟悉Linux、Git、Docker和后端服务开发，具备工程化能力
- 深入理解LLM能力边界，能根据业务需求进行模型选型与组合
- 掌握Agent架构、Function Calling、Agent Harness与评测，有完整系统实现经验
- 具备复杂问题拆解与调研能力，能独立输出技术方案并权衡成本风险
申请策略
- 提前了解莉莉丝的游戏产品和业务线，思考AI在研发、运营等环节的具体应用
- 可以准备一个LLM+游戏场景的Demo或设计方案，展示落地能力和对游戏行业的兴趣
- 突出完整Agent项目经验，例如架构设计、评测体系、工具调用实现
- 强调Python工程能力，包括后端开发、Docker、RESTful API、SQL/NoSQL
- 如有RAG、微调、分布式训练经验，具体写出技术细节和效果数据
- 开源贡献、顶会论文或相关竞赛奖项是重要加分项，务必列出
- 提前熟悉LangChain、LlamaIndex等Agent框架，了解Agent Harness与评测思路
- 动手搭建一个RAG+工具调用的小项目，加深对Context Engineering的理解
面试指南
- 用STAR法则组织项目经历：背景、任务、行动、结果，突出个人贡献和量化收益
- 结构化作答：先说明目标和思路，再拆解模块，最后讲取舍和优化方向
- 遇到不熟悉的技术，诚实说明边界，并展示自己的学习路径和迁移能力
- 请介绍一个你独立设计并实现的Agent系统，包括架构、难点和评测方式
- 你会如何为游戏业务场景设计RAG流程？如何处理多轮对话中的上下文？
- 如何评估LLM输出质量？你会搭建哪些评测指标或自动化评测流水线？
- 解释Function Calling的原理，以及它在Agent系统中扮演什么角色
- 面对多个大模型，你会如何选型？如何平衡效果、成本和延迟？
职位点评
77
综合评分
上海游戏大厂校招算法岗，LLM/Agent前沿技术，发展性强，薪资未披露，WLB信息有限。
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。
更适合这类人
适合以技术成长和行业前沿为主要目标、不排斥现场办公与较快节奏的硕博应届生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利72
成长发展92
工作生活58
使命价值76
薪资福利
72中等
大型游戏公司算法岗薪资通常较有竞争力，但JD未披露具体薪资与福利，稳定性良好。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
92较高
岗位深度覆盖LLM与Agent前沿技术，校招即参与完整工程闭环，技术成长速度和空间都很大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、Prompt Engineering、Function Calling、Multi-Agent、Docker、MCP、Python
业务类型ambiguous
工作生活
58较低
岗位为上海现场办公，未提及远程或弹性安排，游戏行业节奏可能较快，工作生活平衡有待确认。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
76中等
AI+游戏是前沿赛道，岗位能参与推动LLM/Agent落地，具有创新意义，但主要面向公司内部场景，社会价值直接性一般。
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
莉莉丝 的其他在招职位
相似职位推荐
Watch Jobs