同程旅行
算法工程师-北京（27届）
算法工程师-北京（27届）
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机器学习工程
机器学习工程
Ai Agent
Fine-Tuning
Graphrag
Pytorch
Rag
大模型微调
深度学习
知识库构建
值不值得投
74综合评分
综合评分 74
聚焦大模型与Agent前沿技术的校招算法岗，技术成长空间大，工作节奏较快。
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，方便比较职业起点。
薪资怎么样
2.5万
比机器学习工程中位数高
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 130 个在招 · 其中机器学习工程 2 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 510 个在招
职位详情
关于这个职位
该职位主要负责同程旅行住宿领域的AI Agent开发、大模型微调及知识库构建，利用深度学习技术解决垂直领域的实际问题
适合对AI大模型和Agent技术有热情，具备扎实算法基础的27届应届生
最低要求
扎实的机器学习/深度学习理论基础，熟悉常见算法原理(如CNN、RNN、Transformer等)
熟悉PyTorch、TensorFlow等主流深度学习框架
熟练掌握Python编程语言，具备良好的代码能力和工程实践素养
了解AI Agent系统设计原理
了解RAG技术及其应用场景，熟悉GraphRAG优先
英语可作为工作语言，能够流畅阅读英文技术文档，能够参与国际项目沟通
对AI技术有强烈兴趣，保持技术敏感度，乐于学习新知识
具备良好的逻辑思维能力和问题解决能力
有团队合作精神，能够适应快节奏的工作环境
工作职责
参与AI Agent的开发工作，开发住宿领域的Agent构建
参与大模型的Fine-tuning工作，尝试构建领域的小模型解决领域问题
参与构建住宿领域知识库，增强大模型在领域的解决能力
AI 洞察
优缺点分析
优点
- 接触AI Agent与大模型微调等前沿技术，技术栈新且极具发展潜力
- 依托丰富的旅游住宿业务场景，能够将算法快速落地，积累宝贵的垂直领域大模型应用经验
- 大型企业平台，业务数据量大，为模型训练和优化提供充足的资源支持
- 大模型与Agent技术迭代极快，需要持续投入大量业余时间跟进前沿论文和技术
- 对AI大模型和Agent技术有强烈热情，具备扎实算法基础，且能适应较快工作节奏的27届计算机或人工智能相关专业应届生
缺点 / 挑战
- JD中明确提到需适应快节奏工作环境，可能面临较高的项目交付压力和较快的业务迭代节奏
角色解读
- 从初级算法工程师成长为大模型与Agent领域的资深技术专家，主导核心算法架构设计
- 向AI业务负责人方向发展，将前沿AI技术与旅游住宿业务深度结合，推动业务智能化转型
- 负责同程旅行住宿领域的AI Agent系统设计与开发，构建垂直场景的智能体
- 参与大模型的微调（Fine-tuning）工作，训练领域小模型以提升特定业务场景的解决能力
- 构建并优化住宿领域的知识库，结合RAG等技术增强大模型在垂直领域的表现
- 扎实的机器学习与深度学习理论基础，熟悉CNN、RNN、Transformer等主流算法原理
- 熟练掌握Python及PyTorch/TensorFlow等深度学习框架，具备良好的工程实践能力
- 了解AI Agent系统设计及RAG/GraphRAG技术，具备优秀的英文文档阅读与沟通能力
申请策略
- 提前了解同程旅行的核心业务（如酒店预订、住宿产品），思考AI Agent和知识库如何赋能具体业务场景
- 准备好英文自我介绍或技术文档阅读证明，以应对JD中明确的英语工作能力要求
- 重点突出在机器学习、深度学习或大模型相关的项目经验，特别是涉及Fine-tuning或RAG技术的实践
- 展示对AI Agent系统的理解或相关开发经历，若有GraphRAG相关经验务必作为亮点呈现
- 强调良好的英文阅读能力和代码工程能力，可附上GitHub链接或技术博客证明代码素养
- 深入学习大模型微调技术（如LoRA、P-Tuning等）及RAG/GraphRAG架构，动手实现一个垂直领域的Agent Demo
- 提升Python工程化能力，熟悉模型部署与推理优化，了解如何将算法转化为高可用的工程服务
面试指南
- STAR法则：针对项目经验问题，按照情境、任务、行动、结果的逻辑清晰阐述，突出个人贡献与量化收益
- 结构化思维：针对系统设计问题，从需求分析、架构设计、核心模块（如规划、记忆、工具调用）、落地难点等维度全面解答
- 请详细介绍你参与过的大模型微调项目，遇到了哪些过拟合或数据质量问题，是如何解决的？
- 你如何理解AI Agent的系统设计原理？如果让你为酒店预订场景构建一个Agent，你会如何设计其规划与记忆模块？
- 请对比RAG和GraphRAG的区别，在构建住宿领域知识库时，你会如何选择和应用这两种技术？
- 在快节奏的工作环境中，你如何平衡技术探索与业务交付的压力？
- 复习Transformer、RAG、Agent等核心技术的底层原理，并准备1-2个自己主导或深度参与的算法项目案例
- 提前体验同程旅行App的住宿业务，思考现有流程中的痛点，并构思AI Agent的优化方案作为面试加分项
职位点评
薪资福利75
成长发展85
工作生活55
使命价值70
薪资福利
75中等
校招算法岗薪资通常处于市场中上水平，但JD未明确披露具体薪资与福利细节，整体补偿性预期良好。
薪资信号未披露（AI估算：2千–3万/月）
成长发展
85较高
岗位聚焦AI Agent与大模型微调等前沿技术，技术成长空间大，能接触到核心业务场景的落地实践。
技术前沿前沿/新兴技术
技术栈AI Agent、Fine-tuning、大模型、RAG、GraphRAG、Transformer、PyTorch、TensorFlow
业务类型ambiguous
工作生活
55较低
JD未明确说明办公模式与工时，但明确提及需适应快节奏工作环境，WLB可能存在一定挑战。
工作模式未明确
办公地点未明确
加班情况JD含高强度暗示词
使命价值
70中等
AI大模型属于当前高速增长赛道，技术具有积极的社会应用价值，但JD未明确强调社会使命。
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