联想的Agent Personalization and Memory Evolution薪资是多少？

该职位薪资范围为 4.0–7.0万/月。

Agent Personalization and Memory Evolution的工作地点在哪里？

该职位工作地点位于北京市。工作形式为仅现场办公。

联想的Agent Personalization and Memory Evolution有什么任职要求？

该职位要求本科学历及高级经验工作经验。

联想

Agent Personalization and Memory Evolution

立即应聘

Agent Personalization and Memory Evolution

发布于 3 小时前

普通员工/个人贡献者

AI 估算 · 4.0–7.0万 · AI 参考估算

北京市

高级经验

本科

全职员工仅现场办公AI算法

AI算法

Agent Engineering

Llm

Rag

System Design

值不值得投

82综合评分

综合评分 82

顶尖AI技术栈、大厂平台背书、高成长潜力，WLB待确认

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，方便横向比较。

薪资怎么样

5.5万

比AI算法中位数低

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 340 个在招 · 其中AI算法 4 个

市场机会

选择面较广

北京 · AI算法 · 约 140 个在招

职位详情

关于这个职位

负责联想个人超级智能体的个性化与记忆能力研发，将大模型技术转化为稳定系统

核心工作包括设计持久化记忆组件、构建Agent工程架构（RAG/上下文管理）、集成算法模型并保障服务性能与可靠性

需具备5年以上研发经验及复杂项目交付能力

最低要求

计算机科学、软件工程、人工智能或相关专业本科及以上学历，硕士优先

具有 5 年及以上软件研发经验，曾作为技术负责人牵头复杂项目或核心子系统，具备从方案设计到实际交付的完整经历

具备扎实的编程、数据结构和系统设计基础，熟练掌握 Python、Go、Java、C++ 等至少一种语言，能够阅读和集成 Python 算法代码

具备核心模块开发、代码评审和复杂问题调试能力

具有大模型应用或 Agent 系统的实际交付经验，理解大语言模型及多模态模型的能力边界，熟悉提示词设计、上下文管理、RAG、结构化输出和工具调用

了解模型微调与后训练，能够结合效果、延迟和成本完成模型选型、集成及评测

熟悉数据库、缓存、异步任务和服务接口设计，理解并发控制、幂等、数据一致性及故障恢复

在记忆服务、检索系统、知识库或 Agent 执行框架中的至少一个方向有深入实践，能够独立设计并实现关键能力

具有自动化测试、持续集成、性能分析和运行监控经验，能够建立可衡量的验收指标，结合评测结果与运行日志定位模型、检索、上下文或执行环节的问题，并推动修复和回归验证

具备项目技术推进和跨团队协作能力，能够拆解任务、管理技术依赖、识别风险并作出合理取舍

具备清晰的技术文档与沟通能力，能够指导成员，阅读英文技术资料并参与技术交流

工作职责

*技术方案与项目交付

* 将产品需求转化为系统方案、模块划分、接口规范和验收标准，明确技术选型、实施路径、里程碑及依赖关系

牵头复杂项目或核心子系统的开发、联调、试点与上线，协调解决关键技术问题和交付风险

*记忆系统核心开发

* 设计并实现持久化与分层记忆、可复用记忆组件（Memory Cube），建设采集、抽取、存储、检索、更新与失效处理流程，支持用户与任务范围管理、来源追溯及版本维护，通过 API、SDK 或插件供不同 Agent 使用

大模型与 Agent ***工程

* 负责模型选型、服务接入和推理调用，构建上下文管理、RAG、工具调用及任务编排能力

实现主 Agent 与 Worker 之间的上下文分发、结果回流和执行恢复，处理模型输出异常、调用超时及状态一致性等问题

*算法集成与效果验证

* 与研究员协作，将个性化建模、记忆检索、经验提炼等方法集成为可运行组件，搭建数据处理和评测流程，通过任务回放、对照测试与失败分析验证效果，推动模型、提示词和记忆策略的版本迭代与回归

*质量、性能与可靠性

* 建立自动化测试、持续集成、日志与链路追踪，定位并优化响应延迟、模型调用成本、资源占用和并发性能

完善访问控制、数据隔离、异常恢复与发布回滚，保障记忆服务和 Agent 任务稳定运行

*跨团队协作与技术指导

* 与产品、算法、客户端及服务端团队明确责任和接口，推动需求评审、技术评审及问题闭环

亲自承担关键模块开发和疑难问题排查，开展代码评审与成员指导，沉淀技术文档、交付规范和可复用组件

优先资格

具有长期记忆、用户个性化、多 Agent 协作相关系统经验，实践过记忆生命周期、权限与范围管理、上下文分发或执行经验回流

具有 Computer Use／GUI Agent 相关开发或项目经历，实践过交互轨迹采集、技能调用、执行结果验证或任务回放

具有模型部署、微调模型集成、蒸馏、量化或推理优化经验，能够将模型优化效果转化为实际系统收益

具有 Windows／Android 等终端开发、端侧 AI、端云协同或跨设备数据同步经验，或在相关开源项目中有高质量贡献

AI 洞察

优缺点分析

优点

处于AI Agent前沿赛道，技术栈先进（LLM+Memory+Agent），依托联想全球平台资源，职业发展空间广阔
技术迭代极快，需持续跟进最新模型与算法成果
系统稳定性要求极高，需平衡创新与生产环境可靠性
适合拥有5年以上后端/AI工程经验，对大模型应用落地有热情，且具备扎实系统设计能力的资深工程师

缺点 / 挑战

暂无明显挑战项

角色解读

可向AI系统架构师、首席科学家或技术总监方向发展，深耕端侧AI与大模型应用落地的前沿领域
负责个人超级智能体的核心记忆系统与Agent工程架构设计与开发，将大模型能力落地为稳定可用的系统组件
精通Python/Go/C++等后端语言，深入理解LLM应用架构（RAG、Prompt Engineering、Tool Calling），具备分布式系统设计与高并发处理能力