康龙化成
2027届-博/硕/本-Agent开发工程师-杭州
2027届-博/硕/本-Agent开发工程师-杭州
发布于 1 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
Agentscope
Agent开发
Langgraph
Prompt Engineering
Rag
多Agent协作
大模型
值不值得投
76综合评分
综合评分 76
跨国CRO巨头校招岗，聚焦AI Agent前沿技术，成长空间大，薪资竞争力强，WLB未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
3.3万
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 730 个在招 · 其中人工智能 17 个
市场机会
选择面较广
杭州 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
该职位负责智能Agent系统的架构设计与核心模块开发，包括多Agent协作、任务规划与工具调用等
你需要设计Agent的记忆与推理机制，搭建评测体系，并跟踪前沿技术进行业务落地
最低要求
熟练掌握至少一门主流编程语言（Python/Java 等），具备扎实的数据结构与算法基础，代码质量意识强
深入理解 Agent 原理与架构，包括 Planning、Memory、Tool Use、Reflection、Loop等核心机制
熟悉主流 Agent 开发框架（如 LangGraph、AgentScope、Deerflow 等），有实际搭建经验
深入理解各种大模型原理与能力边界，精通 Prompt Engineering 与上下文工程方法论，能面向复杂业务场景设计高质量的系统提示词与工具描述，并持续优化其效果
熟悉服务端基础技术（数据库、消息队列、缓存、容器化等），具备复杂智能体系统的开发和维护能力
具备良好的系统思维和问题解决能力，能在复杂场景中设计可靠的 Agent 方案
对 AI Agent 技术有强烈兴趣，关注行业动态，具备独立调研与技术选型能力
工作职责
负责智能 Agent 系统的架构设计与开发，包括多 Agent 协作框架、任务规划与调度、工具调用与执行引擎等核心模块建设
设计并实现 Agent 的记忆系统、推理链路和决策机制，提升 Agent 在复杂业务场景下的自主性与可靠性
搭建 Agent 应用的评测与质量保障体系，建立系统性的效果评估、持续优化与性能、成本管控机制
跟踪 Agent 技术前沿发展，结合业务需求进行技术预研与落地实践
优先资格
有 Agent 系统构建经验（自主任务执行、多 Agent 协作、复杂工作流编排等）
有 Agent 评测与质量体系建设经验，能系统性评估 Agent 效果并持续改进
有 RAG 系统搭建经验，了解向量检索、知识图谱等知识增强技术
参与过相关开源项目或有技术博客、Agent 应用作品展示
AI 洞察
优缺点分析
优点
- 处于AI Agent与大模型应用的最前沿，技术栈新颖，能积累稀缺的Agent系统架构经验
- 依托跨国企业平台，业务场景丰富，有利于将前沿技术落地于真实的医疗与临床研究场景
- 校招岗位对学历包容度高，提供完善的培养体系与广阔的发展空间
- 复杂业务场景下的Agent可靠性与成本管控是行业难题，需要较强的系统思维与问题解决能力
- 适合对AI Agent技术有强烈兴趣、具备扎实编程基础且愿意在医疗与生命科学领域深耕大模型应用的应届生
缺点 / 挑战
- Agent技术处于快速迭代期，需要持续跟踪前沿论文与开源项目，学习压力较大
角色解读
- 从初级Agent开发工程师成长为AI架构师或技术专家，主导复杂智能体系统的设计
- 向AI业务负责人方向发展，结合业务场景推动大模型与Agent技术的商业化落地
- 负责智能Agent系统的架构设计与核心模块开发，包括多Agent协作、任务规划与工具调用引擎
- 设计Agent的记忆、推理和决策机制，提升其在复杂业务场景下的自主性与可靠性
- 搭建Agent应用的评测与质量保障体系，跟踪前沿技术并进行业务落地实践
- 精通Python/Java等主流编程语言，具备扎实的数据结构与算法基础
- 深入理解Agent原理（Planning、Memory、Tool Use等）及主流开发框架（LangGraph等）
- 精通Prompt Engineering，熟悉大模型原理及服务端基础技术（数据库、容器化等）
申请策略
- 了解康龙化成在临床研究与CRO领域的业务背景，思考Agent技术如何赋能医药研发流程
- 准备好展示你的技术博客或GitHub开源项目，这将是极大的加分项
- 突出在Agent系统构建、多Agent协作或复杂工作流编排方面的实际项目经验
- 展示对LangGraph、AgentScope等主流框架的熟悉程度，以及Prompt Engineering的优化案例
- 强调RAG系统搭建经验或参与过的开源项目、技术博客及Agent应用作品
- 深入学习Agent核心机制（如Reflection、Loop）及评测体系建设方法
- 动手实践一个完整的Agent应用项目，涵盖任务规划、工具调用与记忆管理
面试指南
- STAR法则：针对项目经验，从背景、任务、行动、结果四个维度清晰阐述
- 架构思维：在回答系统设计问题时，先讲整体架构，再深入核心模块（如记忆、规划），最后讨论优化与评测
- 请详细描述你设计过的一个Agent系统，包括其架构、记忆机制和工具调用流程
- 在复杂业务场景下，如何评估和优化Agent的可靠性与任务成功率？
- LangGraph和AgentScope在架构设计上有什么异同？你在实际项目中为什么选择其中一种？
- 如何设计高质量的系统提示词（Prompt）以提升大模型在特定任务中的表现？
- 复习大模型与Agent相关的核心论文及开源框架源码，理解其底层原理
- 准备1-2个自己主导或深度参与的Agent项目案例，能够深入探讨技术细节与踩坑经验
职位点评
薪资福利80
成长发展90
工作生活50
使命价值75
薪资福利
80较高
作为已上市跨国企业的校招AI核心岗位，薪资竞争力较强，但JD未披露具体薪资范围。
薪资信号未披露（AI估算：1.5千–5万/月）
成长发展
90较高
岗位聚焦AI Agent前沿技术，涉及大模型、多智能体协作等核心领域，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、Java、LangGraph、AgentScope、Deerflow、Prompt Engineering、RAG、Agent
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，作为跨国企业校招岗，通常有较规范的作息，但AI研发岗可能面临一定的交付压力。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
康龙化成是全球领先的CRO企业，将AI Agent技术应用于临床研究与医药研发，具有较高的社会价值与行业前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs