同程旅行
AI Agent 开发工程师-北京/成都/苏州（27届）
AI Agent 开发工程师-北京/成都/苏州（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人工智能
人工智能
Ai Agent
Ai4Se
Ast
Llm
代码生成
安全沙箱
系统设计
工程评测
值不值得投
82综合评分
综合评分 82
前沿AI Agent校招岗、技术栈极具前瞻性、成长空间大，但工作强度与WLB情况未明确。
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
2.4万
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 130 个在招
市场机会
选择适中
苏州 · 人工智能 · 26 个在招
职位详情
关于这个职位
该职位面向2027届毕业生，主要负责开发面向软件研发全流程的AI Agent，涵盖需求拆解、代码生成、测试验证及工程评测体系搭建
要求具备扎实的计算机系统基础与AI编程实践经验，能独立搭建多轮Agent并解决复杂工程问题，推动AI-Native研发体验落地
最低要求
有扎实的计算机系统基础，懂OS、网络和并发机制，重在理解底层运行原理，不要求死记语法细节
平时是深度使用AI编程的实践者，能驾驭工具高效交付，写出的代码结构清晰、可维护性好
真动手做过function calling/tool use，独立搭过多轮Agent，清楚工具编排、状态管理与重试机制
清楚模型与确定性代码的边界，知道何时依赖泛化推理，何时必须用严谨的工程逻辑兜底
排查定位讲究看调用链、查日志与指标，遇到Agent生成异常或逻辑卡住能顺藤摸瓜找根因
有拿得出手的实际项目或开源成果，无论是自研工具还是能跑通的Agent实践，聊起来能讲透细节
工作职责
主导开发面向软件研发全流程的Agent，打通从需求拆解、代码实现到架构重构的AI-Native体验
落地测试与质量验证Agent，自动化处理用例生成、边界变异测试与静态分析等繁琐工作
打造工程级代码与系统知识引擎，把复杂架构规范与团队经验转化为Agent能精准调用的上下文
搭建严谨的工程评测（Eval）体系，用数据量化追踪Agent在复杂工程任务中的表现与演进
优先资格
精读过代码类Agent源码（如Codex/SWE-agent/Claude Code等），理解代码检索、上下文压缩与循环控制
熟悉AST、LSP与编译工具链，能做代码结构化抽取，或懂基于文法规则的约束解码（Constrained Decoding）
深入折腾过轻量安全沙箱（如Firecracker、gVisor、Kata），能搞定不可信代码的秒级拉起、隔离与环境复原
AI 洞察
优缺点分析
优点
- 处于AI Agent与AI4SE（AI赋能软件工程）的最前沿，技术壁垒高，行业前景广阔，能积累稀缺的技术经验
- 大模型存在幻觉和不确定性，在严谨的工程任务中兜底和调试难度较大，需要极强的排错能力
- 需要同时具备底层系统原理认知与上层AI应用开发能力，学习曲线较陡峭，对综合素质要求高
- 适合对大模型应用有浓厚兴趣、具备扎实计算机底层基础且喜欢钻研开源项目的极客型应届生
缺点 / 挑战
- 依托超大型OTA企业的真实复杂业务场景，Agent落地机会多，能接触到工业级的工程挑战与海量数据
角色解读
- 纵向可成长为AI Agent架构师或大模型应用专家，主导核心Agent系统的设计与演进
- 横向可向AI工程化、研发效能提升（AI4SE）等前沿交叉领域拓展，成为懂AI也懂工程的复合型人才
- 研发面向软件研发全流程的AI Agent，实现需求拆解、代码生成到架构重构的自动化与AI-Native体验
- 构建代码与系统知识引擎，并搭建工程评测体系以量化追踪Agent在复杂工程任务中的表现
- 扎实的计算机系统基础（OS、网络、并发）及深度AI编程实践能力，能驾驭工具高效交付高质量代码
- 熟练掌握Function Calling/Tool Use，具备多轮Agent搭建、状态管理及复杂问题排查定位能力
申请策略
- 准备好详细讲解自己最得意的Agent项目细节，包括遇到的异常、排查思路及最终解决方案，展现清晰的工程思维
- 重点突出独立搭建多轮Agent、Function Calling及工具编排的实际项目或开源贡献，展示真实的动手能力
- 展示对代码类Agent源码的理解，或在AST、安全沙箱等底层技术上的探索成果，体现技术深度
- 深入研读SWE-agent、Codex等前沿代码Agent论文与源码，理解上下文压缩与循环控制机制
- 补充学习轻量级安全沙箱（如Firecracker）或编译工具链相关知识，拓宽技术视野
面试指南
- 采用 STAR 法则（情境、任务、行动、结果）描述项目经验
- 在回答技术边界和排查思路时，采用“现象分析 -> 根因定位 -> 解决方案 -> 预防机制”的结构化思路
- 请详细介绍你独立搭建过的一个多轮Agent项目，你是如何处理状态管理和重试机制的？
- 在Agent生成代码出现异常或逻辑卡住时，你的排查思路和具体步骤是什么？
- 你如何理解模型泛化推理与确定性工程逻辑的边界？在什么场景下必须用工程逻辑兜底？
- 如果让你设计一个工程评测（Eval）体系来追踪Agent在复杂任务中的表现，你会关注哪些核心指标？
- 复习操作系统、网络及并发编程基础，确保能应对底层原理的拷问
- 梳理自己使用AI编程工具的经验，总结其在提升代码质量和交付效率方面的具体案例与思考
职位点评
薪资福利80
成长发展95
工作生活60
使命价值85
薪资福利
80较高
作为已上市超大型企业的校招核心AI岗位，薪资福利具备较强市场竞争力，但JD未明确披露具体薪资数字。
薪资信号未披露（AI估算：1.8千–3万/月）
成长发展
95较高
岗位聚焦AI Agent与AI4SE前沿领域，技术栈极具前瞻性，能极大提升个人在AI工程化方向的核心竞争力。
技术前沿前沿/新兴技术
技术栈AI Agent、Function Calling、Tool Use、AST、LSP、Firecracker、gVisor、Eval
业务类型ambiguous
工作生活
60中等
岗位涉及前沿AI研发且要求排查复杂调用链，工作强度可能不低，但整体WLB情况JD中未明确说明。
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
致力于用AI重塑软件研发流程，推动AI-Native体验落地，具有较高的技术使命感与行业变革意义。
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