京东
agent开发工程师
agent开发工程师
发布于 大约 2 个月前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
软件工程
RAG
LLM
知识图谱
Prompt Engineering
SSE
Asyncio
AI 估算 · 30k–60k
AI Agent方向稀缺，京东平台+医疗场景，薪资竞争力强。
职位详情
关于这个职位
作为京东健康的AI Agent开发工程师，你将参与医疗场景下智能体的架构设计与实现，利用LangChain、RAG等技术构建高并发、低延迟的对话式交互系统，优化大模型流式输出稳定性，并负责Agent评测体系建设
这是一个深度结合AI技术与医疗业务的前沿岗位
最低要求
计算机相关专业本科及以上学历，3年以上后端或AI应用开发经验，扎实的Java、Python编程能力，熟悉异步编程（Asyncio），具备良好的代码规范意识
深入理解 LangChain 或 Semantic Kernel 的核心组件（Agent Executors, Tools, Memory, Callbacks），有实际生产项目落地经验
熟悉 SSE 协议，有高并发流式接口的调优经验，了解如何处理中断、重连及流式token的安全过滤
Context Engineering：熟悉RAG各环节（Chunking, Embedding, 重排），有处理长上下文（Long Context）压缩、记忆管理（短期/长期记忆）的实际经验
Harness Engineering：理解AI应用的测试方法论，有构建Agent评测集、制定评估指标（如精确率、召回率、工具调用准确率）的经验
工作职责
负责健康医疗场景下智能体（Agent）的架构设计与实现，熟练运用 LangChain 或 LlamaIndex 等框架，进行复杂链路的编排、工具调用（Function Calling/Tool Use）及状态管理
基于 SSE、WebSocket、MCP等技术，优化医疗对话式交互体验，解决大模型流式输出的稳定性与并发问题，确保健康咨询的实时性体验
承担 Context Engineer 职责，优化上下文管理机制，设计RAG（检索增强生成）策略，解决医疗长文本、多轮对话中的信息遗忘与幻觉问题，提升上下文利用效率
负责AI Agent的评测体系建设，设计自动化测试用例，对Agent的调用成功率、工具选择准确率、输出安全性进行量化评估与压测
对接主流大模型（GPT系列、DeepSeek、Kimi、Qwen等），针对医疗术语的准确性进行Prompt Engineering及微调数据准备
优先资格
有医疗信息化（HIS/EMR）或互联网医疗行业经验者优先，具备医学知识图谱构建或医疗NLP经验者优先
AI 洞察
优缺点分析
优点
- 京东大平台，资源丰富，项目落地机会多，技术栈紧跟AI前沿（LLM、Agent、RAG）
- 医疗健康场景具有社会价值，且行业需求增长快，个人履历含金量高
- 团队技术氛围浓厚，有机会接触主流大模型（GPT、DeepSeek等）并参与Prompt Engineering
- 技术难度高，需要同时掌握后端开发、AI框架、流式接口、测试方法论等多领域知识
- 医疗领域对准确性和安全性要求极高，模型幻觉和稳定性问题需要持续攻关
- 适合对AI Agent技术有浓厚兴趣、具备扎实工程能力和学习能力，希望在医疗AI前沿领域深耕的开发者
缺点 / 挑战
- 互联网大厂工作节奏较快，可能面临较大项目压力
角色解读
- 技术纵深发展：成为AI Agent架构专家或大模型应用技术负责人
- 横向扩展：向医疗AI产品经理或技术管理方向转型，结合业务理解设计智能医疗解决方案
- 行业深耕：在医疗信息化领域积累知识图谱、NLP等经验，成为稀缺的复合型人才
- 设计并实现医疗场景的AI Agent架构，使用LangChain等框架编排复杂链路并调用工具
- 优化基于SSE/WebSocket的实时对话交互，解决大模型流式输出的并发和稳定性问题
- 负责上下文管理（RAG策略），减少长对话中的信息遗忘和幻觉，提升回答准确率
- 构建Agent评测体系，设计自动化测试用例量化评估工具调用准确率和安全性
- 精通Python或Java，熟悉异步编程（Asyncio），有高并发流式接口调优经验
- 深入理解LangChain或Semantic Kernel核心组件，有实际生产项目落地经历
- 掌握RAG全流程（Chunking、Embedding、重排）及长上下文压缩、记忆管理技术
- 具备AI应用测试方法论，能构建Agent评测集并制定评估指标
申请策略
- 关注京东健康业务方向，了解医疗场景的特殊需求（如术语准确性、隐私合规等），在面试中展现业务理解
- 提前了解Agent评测方法，可准备一个自己设计的评估指标体系案例
- 突出LangChain或类似框架的落地项目经历，重点描述Agent编排、工具调用和状态管理细节
- 展示SSE高并发调优、RAG策略设计、上下文压缩等具体技术案例，附上性能数据
- 若有医疗行业背景（HIS/EMR）或知识图谱项目，务必显要位置列出
- 补强RAG各环节的动手能力，练习使用LangChain的Memory和Callback组件
- 熟悉主流大模型API调用差异，练习Prompt Engineering技巧
面试指南
- STAR法则：Situation（项目背景）、Task（任务目标）、Action（具体行动，强调技术细节如框架组件、优化手段）、Result（量化成果）
- 对比方案：解释多种技术选型或策略的优缺点，展示思考和权衡能力
- 请描述你使用LangChain实现Agent时，如何设计工具调用和状态管理？
- 在处理高并发流式接口时，你遇到过哪些稳定性问题？如何解决？
- 如何设计RAG流程以减少医疗场景中的幻觉？请举例说明
- 如何评估一个Agent的表现？你会设计哪些指标和测试用例？
- 谈谈你对医疗NLP或知识图谱的理解，以及它们如何辅助Agent对话？
- 复习LangChain官方文档和核心组件（Agent、Tool、Memory、Callbacks），动手搭一个小型Agent项目
匹配度报告
75
综合匹配度
稳定大厂、前沿AI技术栈、薪资潜力大，但工作节奏可能较快。
适合人群
最适合追求技术前沿和职业成长的开发者，对WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展92
工作生活45
使命价值78
薪资福利匹配
85较高
京东作为上市巨头，薪资福利市场水准偏上，但未在JD中明示具体待遇。
薪资信号未披露（AI估算：30K-60K/月）
成长发展匹配
92较高
岗位涉及前沿AI技术（Agent、RAG、LLM），技术成长空间巨大，京东平台也提供丰富资源。
技术前沿前沿/新兴技术
技术栈LangChain、RAG、SSE、LLM、Agent、Python、Java、Asyncio、Prompt Engineering
业务类型ambiguous
工作生活匹配
45较低
JD未提及WLB相关信息，互联网大厂通常节奏较快，推测仅现场办公，生活方式自由度有限。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
78中等
医疗健康场景具有社会价值，但JD未明确提及使命驱动，行业为高速增长赛道。
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