地平线
【地瓜机器人】Agent全栈开发工程师
【地瓜机器人】Agent全栈开发工程师
发布于 1 天前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
学历未注明
软件工程
Autogen
Crewai
Llmops
Mcp
Multi-Agent
Rag
Vibe Coding
AI 估算 · 25k–45k
北京大型AI上市公司，Agent方向热门技术，要求1年以上实际项目经验，薪资对标一线互联网中高级工程师，约25-45K·14薪。
职位详情
关于这个职位
该职位是地平线云平台部的Agent全栈开发工程师，负责面向嵌入式/AIoT场景的AI Agent产品矩阵研发，涵盖智能助手、知识引擎、多模态交互等方向
你将参与从Agent架构设计到产品落地的全链路研发，包括任务规划、工具调用、Multi-Agent协作、评测体系搭建及Agent框架建设等核心工作
适合具有Agent实战经验并追求前沿技术落地的工程师
最低要求
具备 1 年以上 AI Agent 实际项目落地经验，能够独立完成从任务规划到工具调用的完整闭环开发，面试需提供可演示的 Agent 项目成果
熟练掌握 Python，具备扎实的工程能力，熟悉 FastAPI/Flask 等至少一种 Web 框架，能独立完成 Agent 后端服务开发
深入理解 Agentic 架构核心组件，具备至少一种主流 Agent 框架实战经验（如 CrewAI/AutoGen/Dify/LlamaIndex 等）
具备 Context Engineering 实践经验，理解上下文窗口管理、动态上下文注入、上下文压缩等策略，能设计高效的 Agent 上下文方案
有 Vibe Coding 实战经验，习惯使用 AI Coding 工具（Cursor/Claude Code/Codex）进行日常开发，能用自然语言驱动代码生成并完成审查修改
熟悉 MCP 协议，有 Agent 与外部工具/系统集成的实际落地经验
了解知识检索技术原理，有向量数据库（Chroma/Milvus/FAISS/Qdrant 等至少一种）或全文检索引擎使用经验
经验与能力要求
具备 Multi-Agent 协作系统的设计或开发经验，理解 Agent 间任务分配、消息传递、状态同步等核心问题
有 Agent 评测经验，参与过评测体系搭建或 Agent 效果评估，能设计评测维度和评测集
理解 Harness Engineering 理念，了解 Agent 编排、监控、可观测性建设的基本方法
具备基本的前端开发能力，能使用 React/Vue 完成 Agent 交互界面的开发与对接
了解 Agent 集群部署，对 Agent 服务的高可用、负载均衡、弹性扩缩容有基本认知
工作职责
负责 AI Agent 核心能力的设计与研发，包括任务规划（Planning）、工具调用（Tool Use）、记忆管理（Memory）、多轮对话管理等模块
设计并实现 Multi-Agent 协作架构，包括子 Agent 路由、任务拆解与分配、Agent 间通信协议、结果聚合与冲突消解
搭建 Agent 评测体系，设计评测数据集与评测维度（准确性、工具调用正确率、任务完成率），建设 A/B 评测流水线，持续优化 Agent 效果
参与 Agent Harness 框架建设，包括 Agent 执行的编排调度、错误处理与重试机制、降级策略、可观测性（日志、Tracing、Token 用量、延迟监控）
基于主流 Agent 框架开发可复用的 Agent Skill（技能包），制定 Skill 开发规范，推动 Agent 能力模块化
参与知识库与检索系统的建设与优化：知识抽取、文档解析、混合检索、重排序等，构建领域知识库和语义索引系统
使用 AI Coding 工具（Cursor/Claude Code/Codex）进行日常研发，实践 Vibe Coding 范式，持续提升研发效能
优先资格
有 3 个以上工业级 Agent 项目开发经验，或主导过 Agent 产品从 0 到 1 落地
在 Dify/OpenClaw/CrewAI 等开源 Agent 项目中有代码贡献（PR/Plugin/Tool）
有 AgentOps/LLMOps 平台建设经验（评估、监控、回放、标注）
有知识检索系统调优经验（混合检索、重排序、Embedding 模型选型）
熟悉强化学习（RLHF）、模型评测或 Fine-tuning 经验
有嵌入式/IoT/机器人领域 Agent 应用开发经验
有数据分析或 BI 系统开发背景
AI 洞察
优缺点分析
优点
- 前沿技术方向：AI Agent是当前AI领域最热门的赛道之一，技术壁垒高，发展空间大
- 公司平台优势：地平线作为上市AI公司，提供丰富的资源和技术积累，项目落地性强
- 技能积累全面：涉及Agent架构、Multi-Agent协作、评测体系、知识检索等，综合能力提升快
- 技术复杂度高：Agent系统涉及规划、工具调用、记忆管理等众多模块，调试和优化难度大
- 迭代速度快：Agent领域技术更新迅速，需要持续学习新框架和新范式，保持竞争力
- 工程化要求高：不仅要会原型开发，还需搭建评测和监控体系，确保系统稳定可靠
缺点 / 挑战
- 适合对AI Agent方向有浓厚兴趣、具备较强工程能力且乐于接受技术挑战的工程师，尤其是已经有Agent实战经验并希望进一步深耕的人
角色解读
- 技术深化：从Agent开发进阶到AgentOps/LLMOps平台建设，成为Agent架构专家
- 横向扩展：结合嵌入式/AIoT场景，转型为AIoT领域的技术负责人
- 管理方向：带领Agent研发小组，负责产品从0到1的全流程落地
- 设计和开发AI Agent的核心能力，包括任务规划、工具调用、记忆管理和多轮对话
- 搭建Multi-Agent协作架构，实现子Agent的路由、任务分配、通信及结果聚合
- 构建Agent评测体系，设计评测数据集和流水线，持续优化Agent效果
- 参与Agent框架（Harness）建设，负责编排调度、错误处理、可观测性等工程化工作
- 扎实的Python编程能力，熟悉FastAPI等Web框架，能独立开发Agent后端服务
- 深入理解Agentic架构，有CrewAI/AutoGen/Dify等框架的实战经验，掌握Context Engineering
- 熟悉Vibe Coding范式，习惯使用Cursor/Claude Code等AI编码工具进行日常开发
- 了解MCP协议和知识检索技术，有向量数据库或搜索引擎使用经验
申请策略
- 面试时准备好一个可演示的Agent项目，展示完整的从规划到工具调用的闭环
- 关注地平线在AIoT领域的业务布局，结合嵌入式场景思考Agent落地的挑战和解决方案
- 突出Agent项目经验：详细描述你参与过的Agent项目，包括架构设计、核心模块实现和效果数据
- 展示Vibe Coding实践：说明你如何使用Cursor/Claude Code等工具提升开发效率
- 强调Multi-Agent或评测经验：如果有相关项目，务必重点呈现，这是加分项
- 深入一个主流Agent框架（如CrewAI或Dify）并进行源码贡献或插件开发
- 实践Context Engineering，学习动态上下文压缩和窗口管理技巧
- 了解AgentOps/LLMOps相关工具，如LangSmith、Arize等，提升评测和监控能力
面试指南
- 对于项目类问题，采用STAR法则（Situation-Task-Action-Result），突出技术难点和你的贡献
- 对于设计类问题，先阐述核心目标，然后分解为模块或步骤，最后给出权衡考虑
- 对于评估类问题，列出关键指标（准确率、任务完成率等），并说明如何收集数据和迭代优化
- 请详细描述你做过的一个Agent项目，包括架构、技术选型及遇到的挑战
- 如何设计Multi-Agent之间的通信协议和冲突消解机制？
- 你如何评估Agent的效果？请设计一个评测方案
- 在实际Agent开发中，你是如何处理上下文窗口限制的？
- 你如何看待Vibe Coding范式？在实际开发中如何运用AI Coding工具？
职位点评
67
综合评分
AI Agent方向极速成长岗位，技术前沿、薪资可观，但工作强度需自行评估。
更适合这类人
最适合追求技术成长、热爱前沿AI Agent方向、愿意接受一定工作强度挑战的工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展92
工作生活40
使命价值70
薪资福利
65中等
薪资未在JD中明示，但结合公司规模和岗位热度，预计处于市场中上水平；福利方面未提及具体项，综合评分中等偏上。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
92较高
该岗位聚焦AI Agent前沿技术，涉及Multi-Agent、Vibe Coding、Agent评测等新兴领域，技术成长空间极大；有明确的技能提升路径和产品落地场景。
技术前沿前沿/新兴技术
技术栈Agent、Multi-Agent、CrewAI、AutoGen、Dify、MCP、Vibe Coding、RAG、LLMOps
成长机会Agent Harness框架建设、评测体系、Vibe Coding范式
业务类型ambiguous
工作生活
40较低
工作地点为北京，未提及远程或弹性工作，大概率现场办公；未明确WLB政策，可能存在一定的加班压力。
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行业处于高速增长期，但岗位偏向技术实现，社会影响力中性；公司深耕AIoT领域，有一定产业价值。
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