宁德时代
Recursive Self-Improvement Agent 架构研发工程师
Recursive Self-Improvement Agent 架构研发工程师
发布于 大约 9 小时前普通员工/个人贡献者
宁德市
中级经验
全职员工
仅现场办公
硕士
人工智能
Autogen
Automl
Llm
Reflexion
Tot
元学习
强化学习
AI 估算 · 30k–50k
职位详情
关于这个职位
该职位负责设计并研发具备自我迭代与优化能力的递归自改进智能体系统，涉及架构设计、核心模块开发及前沿技术探索
你将深入研究自我反思、代码自生成等机制，并确保系统的安全性与可控性
适合对AI Agent和前沿技术有浓厚兴趣的研发工程师
最低要求
学历专业：硕士及以上学历，计算机、人工智能等相关专业
知识技能：
深入理解大语言模型 Agent 的工作机制，具备基于 LLM 的智能体开发与调优经验，熟悉 ReAct、Reflexion、ToT 等主流范式
对递归自改进、自我迭代、能力涌现等方向有浓厚兴趣与深入思考，了解相关前沿研究进展
熟悉强化学习、元学习、自动机器学习中的至少一个方向，能将学习算法与 Agent 架构结合设计自改进机制
具备扎实的工程实现能力，熟练使用 Python 与主流 LLM 开发框架，能独立完成系统原型设计与开发
具备良好的系统思维与抽象能力，能够进行复杂系统的模块划分与接口设计
工作经验：1-2 年 Agent 系统或大模型应用研发经验
工作职责
负责递归自改进（Recursive Self-Improvement）智能体的整体架构设计与核心模块研发，构建具备自我迭代、自我优化能力的 Agent 系统
探索智能体的自我反思、代码自生成、能力自举（Bootstrapping）机制，设计闭环迭代的学习与进化范式
研发 Agent 的规划、记忆、工具调用、任务分解与执行监控等核心能力，支撑复杂长周期任务的自主完成
设计自改进过程中的安全性约束与对齐机制，保障迭代过程中目标一致性与行为可控性
跟踪世界模型、元学习、AutoML、自治智能体等前沿方向，将新技术融入自改进 Agent 架构
优先资格
有 AutoGen、LangGraph、MetaGPT、AutoGPT 等 Agent 框架的深度使用或二次开发经验
研究过程序合成、代码自修改、自我调试相关方向，有代码类 Agent 研发经验
具备世界模型、内在动机、开放式学习（Open-Ended Learning）相关研究或项目背景
AI 洞察
优缺点分析
优点
- 前沿技术方向，涉及AI Agent、自改进等热门领域，技能积累价值高
- 宁德时代为行业巨头，平台大，资源丰富，稳定性好
- 工作地点在宁德，相对一线城市生活便利性稍差
- 前沿方向可能面临不确定性，需要适应快速变化
- 适合对AI前沿技术有强烈兴趣、具备扎实工程能力和研究精神的工程师
缺点 / 挑战
- 工作内容具有挑战性和创新性，适合热爱技术探索的工程师
- 技术难度高，需要跨领域知识（LLM、强化学习等），学习压力大
角色解读
- 从Agent研发工程师向高级架构师或技术专家发展
- 可转向AI研究岗位，深入探索自改进与通用人工智能方向
- 有机会成为团队技术负责人，带领项目落地
- 设计并实现递归自改进智能体的整体架构，包括自我反思、代码自生成等核心机制
- 研发智能体的规划、记忆、工具调用等能力，支持复杂任务的自主完成
- 探索前沿技术如世界模型、元学习，并将其融入系统
- 确保系统在自我迭代过程中的安全性与可控性
- 深入理解LLM Agent机制，熟悉ReAct、Reflexion等范式
- 掌握Python及主流LLM开发框架，具备扎实的工程能力
- 熟悉强化学习、元学习或AutoML至少一个方向
- 具备系统思维和抽象能力，能进行模块化设计
申请策略
- 了解宁德时代在AI领域的布局，特别是电池研发与AI结合的方向
- 在面试中展示对自改进Agent的深入思考和独到见解
- 突出LLM Agent开发经验，特别是ReAct、Reflexion等范式的实际项目
- 强调强化学习、元学习或AutoML相关项目或研究经历
- 展示Python工程能力，如框架开发、系统设计等
- 如有Agent框架二次开发经验（如AutoGen、LangGraph）务必提及
- 深入学习递归自改进相关论文，如自我反思、代码生成等
- 实践AutoGen、LangGraph等框架，尝试构建简单Agent
面试指南
- 结合具体项目，按背景-方案-结果的结构回答，突出技术细节和思考
- 对于概念性问题，先给出定义，再联系实际应用，展示深度理解
- 对于设计问题，从系统架构角度分析，考虑模块划分、接口设计等
- 请描述你设计过的LLM Agent系统，如何实现自我反思？
- 你如何理解递归自改进？有哪些潜在风险？
- 如何将强化学习应用于Agent的自改进机制？
- 请举例说明你如何使用AutoGen或LangGraph开发Agent
- 如何确保自改进过程中系统的安全性和可控性？
职位点评
71
综合评分
前沿AI Agent研发，技术成长空间大，但工作地点在宁德，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、对前沿AI有热情，且不介意工作地点的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活40
使命价值80
薪资福利
70中等
薪资水平较高，但工作地点在宁德，生活便利性一般，整体补偿性中等偏上。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
职位涉及前沿技术，技能成长空间大，且公司平台提供良好发展机会。
技术前沿前沿/新兴技术
技术栈LLM、Agent、ReAct、Reflexion、ToT、强化学习、元学习、AutoML
业务类型ambiguous
工作生活
40较低
仅现场办公，工作地点在宁德，生活便利性一般，WLB信号不明确。
工作模式仅现场办公
办公地点郊区/偏远地区
加班情况未提及（无法判断）
使命价值
80较高
AI自改进方向具有前沿意义，但社会影响中性，行业增长快。
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