vivo
Agent核心架构专家（杭州&上海）
Agent核心架构专家（杭州&上海）
发布于 1 天前普通员工/个人贡献者
上海市 / 杭州市
高级经验
全职员工
仅现场办公
硕士
软件工程
Autogen
Llm
分布式系统
向量数据库
推理引擎
端云协同
AI 估算 · 40k–60k
该岗位为高级AI架构岗，一线城市+大厂加持，市场薪酬竞争力强，月薪4-6万合理
职位详情
关于这个职位
这个职位负责智能体（Agent）系统核心架构设计，包括推理引擎、记忆管理、工具调用和多Agent通信协议等模块，同时主导端云协同架构优化，平衡延迟、成本与隐私
你将跟踪前沿技术（如LangChain/AutoGen），推动自研与基础设施深度集成，参与生产级Agent系统落地
最低要求
教育背景：计算机/人工智能相关领域硕士及以上学历，5年以上分布式系统或AI架构设计经验
Agent技术深度：（1）精通Agent核心范式（如ReAct、Reflexion），有基于LLM的Agent系统实际开发经验
（2）熟悉多Agent协作架构（角色分配/通信优化/冲突解决），至少深入理解一种主流框架（AutoGen/LangChain）源码
端云架构能力：（1）有边缘计算项目经验，熟悉端侧推理框架（TensorFlow Lite/ONNX Runtime）及资源优化技术（模型量化/动态加载）
（2）设计过端云协同系统（如状态同步、差分更新），熟悉MQTT/gRPC/WebSocket等协议选型
分布式系统能力：（1）精通高并发服务设计（事件驱动/异步IO）、微服务治理（Istio/Linkerd）及容灾方案（熔断/降级）
（2）熟练使用Kubernetes管理AI工作负载，具备性能调优（GPU/NPU利用率优化）经验
工程落地能力：（1）编码能力扎实（Python/Go/Java），熟悉CI/CD、监控告警（Prometheus/Grafana）全链路开发
（2）有生产级Agent系统（如客服机器人/自动化流程Agent）落地经验者优先
工作职责
Agent核心架构设计
（1）主导智能体（Agent）系统架构设计，包括推理引擎（ReAct/Plan-and-Execute）、记忆管理（向量数据库/结构化存储）、工具调用（Function Calling）、多Agent通信协议等模块
（2）设计Agent生命周期管理、状态同步、安全隔离机制，支撑高并发Agent实例并行运行
端云协同架构优化
（1）制定Agent任务在端侧（移动/IoT/边缘节点）与云端的最优划分策略，平衡延迟、成本与隐私（如端侧轻量推理+云端复杂规划）
（2）设计低功耗端侧Agent框架，解决资源受限环境下的模型部署（量化/剪枝）、实时通信（MQTT/gRPC）与容错问题
技术预研与工程化
（1）跟踪LangChain/AutoGen等Agent框架技术演进，主导关键模块的自研与定制化改造
（2）推动Agent平台与基础设施（向量数据库/Pulsar/TensorRT-LLM）的深度集成，输出工程化标准方案
优先资格
熟悉MoE架构在Agent系统的应用，或具备多模态Agent（视觉/语音交互）开发经验
参与过开源Agent框架核心模块贡献，或发表过相关专利/论文
有AI安全（Agent对齐/对抗攻击防护）或大模型服务（vLLM/TGI）优化经验
AI 洞察
优缺点分析
优点
- 站在AI Agent技术前沿，深度参与核心系统设计，积累稀缺的架构经验
- vivo作为巨头企业，资源充足，技术影响力大，项目有高并发生产级场景
- 端云协同方向契合行业趋势，技能可迁移性强，未来职业选择灵活
- 技术栈要求极高，需同时掌握Agent、分布式、端侧优化等多领域知识，学习曲线陡峭
- 适合在AI领域有深厚技术积累，热衷于系统架构设计，并且能够承受高强度脑力劳动的高级工程师或架构师
缺点 / 挑战
- 工作节奏可能较快，需要应对技术快速迭代和高性能要求的压力
- 作为架构师需要跨团队协作，沟通协调成本较高
角色解读
- 技术深度上可向首席架构师或AI领域专家发展，主导更多前沿技术预研
- 管理路径上可转型为AI团队技术负责人或研发总监，带领团队落地大型Agent系统
- 行业视野上可拓展至多模态Agent、AI安全等方向，成为跨领域的技术领袖
- 主导Agent系统的整体架构设计，包括推理、记忆、工具调用等核心模块，确保系统高并发与可扩展性
- 制定端侧与云侧的协同策略，优化延迟、成本与隐私，设计轻量级端侧Agent框架
- 跟踪LangChain/AutoGen等主流框架演进，主导自研模块改造并与基础设施（如向量数据库、消息队列）深度集成
- 推动Agent平台的工程化落地，参与生产级系统的性能调优与监控体系搭建
- 精通Agent核心范式（ReAct、Reflexion）并有实际开发经验，熟悉至少一种主流Agent框架源码
- 深入理解分布式系统设计，掌握高并发服务、微服务治理及Kubernetes AI工作负载管理
- 具备端云协同架构能力，熟悉边缘计算、模型量化/剪枝及MQTT/gRPC等协议
- 扎实的编程能力（Python/Go/Java），熟悉CI/CD与监控告警工具链
申请策略
- 在申请时表达对Agent技术发展的热情，并分享对行业趋势的见解
- 了解vivo在AI领域的布局（如蓝心大模型），强调自身能力与公司方向的契合度
- 突出过往Agent或LLM相关项目的架构设计经验，具体说明使用的框架和解决的问题
- 强调分布式系统高并发设计案例，包括微服务治理、容器化部署等
- 列出端侧推理或边缘计算项目，体现模型优化和协同设计能力
- 展示编程语言熟练度及开源贡献、专利等加分项
- 若对Agent框架源码不够熟悉，建议提前阅读LangChain或AutoGen核心模块
- 补充端侧推理框架（TensorFlow Lite/ONNX Runtime）的实践，掌握量化工具
面试指南
- 使用STAR原则：先描述场景（Situation），然后任务（Task），你的行动（Action），最终结果（Result）
- 例如架构设计题，先说明业务场景和规模，再讲技术选型权衡，最后展示效果
- 对于开放式问题，采用对比分析框架：先比较不同方案优劣，再结合具体场景给出推荐，并说明未来演进方向
- 遇到技术实现问题，从模块化角度拆解：输入、处理、输出，并强调可扩展性和容错性
- 请描述你设计过的Agent系统架构，包括推理循环、记忆管理和工具调用如何实现？
- 在多Agent协作中，如何解决冲突和通信效率问题？能举例说明你使用的策略吗？
- 如何设计端云协同方案？请结合延迟、成本和隐私权衡具体说明
- 假设需要支撑1000个Agent实例并发运行，你会如何设计系统架构？
职位点评
72
综合评分
顶尖AI架构岗，技术前沿，成长迅猛，但需要承受较大工作压力，WLB一般。
更适合这类人
最适合高度重视技术成长和职业发展的求职者，能接受较高工作强度。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
该职位为高级架构岗，薪资水平位于一线城市顶尖区间，且vivo福利体系完善，能较好满足补偿性动机。
薪资信号未披露（AI估算：40K-60K/月）
成长发展
95较高
职位涉及最前沿的Agent技术、端云协同和分布式系统，技术挑战高，成长空间极大，且要求跟踪开源框架演进，发展性动机强烈。
技术前沿前沿/新兴技术
技术栈Agent、LLM、LangChain、AutoGen、端云协同、Kubernetes、向量数据库
成长机会技术预研、跟踪技术演进
业务类型profit_center
工作生活
40较低
工作地点在上海和杭州，需要现场办公，未提及弹性工作或远程，可能面临较强的工作压力，生活化动机满足度一般。
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
70中等
AI Agent是高速增长赛道，能深刻影响人机交互方式，具有一定的社会价值，但vivo作为消费电子公司，产品导向可能弱化使命感。
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