快手
【快Star】AI Agent大模型算法工程师
【快Star】AI Agent大模型算法工程师
发布于 大约 2 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
硕士
PyTorch
强化学习
RAG
LLM
AI 估算 · 28k–42k
北京AI算法岗薪资较高，快手大厂且要求硕士以上，综合判断月薪范围。
职位详情
关于这个职位
该职位是快手AI Agent方向的核心算法岗，负责大模型Agent能力的研发与优化，包括自主规划、多步推理、工具调用等模块，并应用强化学习等技术提升性能
你将参与构建数据闭环与评测体系，推动AI Agent在办公、创作等真实场景的产品化落地
适合对AGI有热情、技术栈扎实的顶尖硕博毕业生
最低要求
硕士及以上学历，计算机、人工智能、数学、电子信息等相关专业优先
精通 Python，具备扎实的 C/C++/Go/Java（至少一门）基础，具备优秀的软件工程能力与系统设计能力，追求高质量代码实现
深入理解 Transformer 架构及大模型（LLM/VLM/Reasoning Model）原理
熟悉 PyTorch/TensorFlow 等深度学习框架
掌握强化学习、自然语言处理、搜索推荐或计算机视觉相关基础理论
深入理解 Agent 核心范式，包括 Planning、Reasoning、Tool Use、Memory、RAG、Workflow、Multi-Agent 等
熟悉 MCP、Function Calling、Structured Output 等 Agent 生态技术
熟悉 Linux、网络编程、异步系统、分布式系统、Docker/Kubernetes 等基础设施与工程技术栈
具备极强的学习能力与技术热情，对 Agent、AGI 与 AI Native 应用方向有浓厚兴趣
逻辑清晰，具备良好的沟通协作能力与独立推进复杂项目的能力
工作职责
负责 AI Agent 核心能力的研发与优化，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长期/短期记忆（Memory）、RAG 增强、Workflow 编排、多智能体协同（Multi-Agent）及复杂长链路任务执行
负责 Agent Framework 与 Agent Runtime 的设计与研发，包括 Tool Calling、Memory System、Workflow Engine、Sandbox、Agent Gateway、Skill System 等核心模块，探索长期运行（Persistent Agent）与自我进化（Self-improving Agent）能力
应用强化学习（RL）、SFT、Preference Alignment（DPO/PPO/GRPO/RLVR 等）等技术，提升 Agent 在复杂任务中的推理、规划、执行与泛化能力
参与构建 Agent 数据闭环与评测体系，包括 Agent Benchmark、Tool-use Evaluation、Long-horizon Evaluation、Trajectory Dataset 等，通过数据驱动持续优化模型与系统效果
推动 AI Agent 在办公、创作、Coding、R&D、企业 Workflow Automation 等真实场景中的产品化落地与持续迭代
优先资格
在 NeurIPS、ICML、ICLR、ACL、CVPR、ICCV 等顶级会议发表过论文
在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法竞赛中获得优异成绩
为知名开源项目核心贡献者，或在开源社区具备较强影响力
有 LangChain、AutoGen、MetaGPT、OpenClaw、Hermes Agent 等 Agent Framework / Runtime 的使用或二次开发经验
有 RLHF/RLVR、Reasoning Model、Agent Fine-tuning、大模型 Post-training 等相关经验优先
有 AI Native 产品、AI Agent 平台或企业级 Agent Workflow 的 0-1 构建经验优先
AI 洞察
优缺点分析
优点
- 快手作为头部互联网公司，AI资源丰富，Agent方向是当前最前沿的赛道，个人成长空间大
- 团队技术氛围浓厚，可接触从模型训练到系统落地的全链路技术栈，技能积累快
- 薪资待遇优厚，且公司上市后稳定性高，职业发展路径清晰
- 适合对AGI充满热情、具备扎实算法与工程背景、渴望在AI前沿领域做突破性工作的顶尖技术人才
缺点 / 挑战
- Agent技术尚处快速迭代期，需要持续跟进最新论文和开源框架，学习压力较大
- 工作强度较高，需独立推进复杂项目，对自驱力和抗压能力要求高
- 岗位对综合能力要求全面（算法+工程+系统），门槛较高，竞争激烈
角色解读
- 在Agent领域深耕，从算法工程师成长为技术专家或架构师，主导核心模块的设计
- 横向拓展到AI Native产品研发，参与从0到1构建Agent平台，积累全栈AI能力
- 有机会晋升为团队Leader，带领团队攻克AGI前沿难题，推动技术落地
- 负责AI Agent核心能力的研发与优化，包括规划、推理、工具调用、记忆、RAG等模块
- 设计并开发Agent Framework，包括Tool Calling、Memory System、Workflow Engine等核心组件
- 应用强化学习、SFT、偏好对齐等技术提升Agent在复杂任务中的性能
- 参与构建Agent数据闭环与评测体系，推动AI Agent在办公、创作等场景的产品化落地
- 精通Python，并掌握至少一门底层语言（C/C++/Go/Java），具备优秀的软件工程和系统设计能力
- 深入理解Transformer架构和大模型原理，熟悉PyTorch/TensorFlow等框架
- 掌握Agent核心范式（Planning/Reasoning/Tool Use等），熟悉MCP、Function Calling等生态技术
- 熟悉Linux、分布式系统、Docker/Kubernetes等基础设施，具备极强的学习能力和技术热情
申请策略
- 注意快Star是校招项目，提前了解快手在Agent方向的产品布局（如可灵、快影等），在面试中体现业务理解
- 准备一个端到端的Agent项目Demo，展示从规划到执行的完整链路，突出亮点
- 重点突出Agent相关项目经历，如RAG、Tool Use、Multi-Agent等实现细节
- 强调强化学习、大模型训练或Post-training的经验，附带量化成果
- 展示开源贡献（如LangChain、AutoGen等）或顶会论文，体现技术影响力
- 用具体案例说明独立推进复杂项目的能力和系统设计思维
- 补充强化学习相关实践，如复现DPO/PPO算法，并在Agent任务上尝试应用
- 熟悉Agent框架（LangChain、AutoGen等）的源码，深入理解其设计原理
面试指南
- 对于项目经历类问题，采用STAR法则（情境-任务-行动-结果）结构化回答，突出技术细节和实际效果
- 对于算法原理问题，先阐述核心概念，再结合实际应用场景说明，展现深度理解
- 对于开放性问题，从技术、工程、业务多个维度分析，体现系统思维能力
- 请详细讲一个你设计过的Agent系统，包括架构、难点和优化方案
- 如何评估Agent在长链路任务中的性能？设计一个评测方案
- 请解释强化学习中的PPO算法，并说明如何用于Agent训练
- Transformer的self-attention机制中，为什么需要scaled dot-product？
- 你如何看待当前多Agent协作的挑战和可能的解决思路？
匹配度报告
75
综合匹配度
快手校招AI Agent核心岗，前沿技术栈，高成长性，但工作强度可能较大。
适合人群
最适合追求技术成长和前沿探索的求职者，尤其是对Agent和AGI有浓厚兴趣、愿意投入高强度学习的人。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展95
工作生活50
使命价值85
薪资福利匹配
70中等
快手上市大厂，薪资水平在市场中有竞争力，但未在JD中明确具体薪资和福利，需面试确认；作为校招岗，起薪相对社招可能略低，但年终奖和股票等福利补充。
薪资信号未披露（AI估算：28K-42K/月）
成长发展匹配
95较高
该岗位聚焦AI Agent前沿技术（强化学习、大模型、RAG等），技术栈新颖，成长空间极大；JD明确要求对Agent和AGI有浓厚兴趣，适合技术极客。
技术前沿前沿/新兴技术
技术栈Agent、LLM、强化学习、RAG、Multi-Agent
业务类型ambiguous
工作生活匹配
50较低
北京办公，预计为现场办公；未提及弹性工作或远程，互联网大厂一般工作强度较大，WLB可能一般。
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
85较高
AI Agent是AGI的核心方向，行业前景广阔；快手在短视频和AI应用领域有丰富场景，工作成果易产生社会影响力。
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