快手
AI Agent 全栈工程师（音视频方向）
AI Agent 全栈工程师（音视频方向）
发布于 大约 3 小时前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
本科
软件工程
RAG
全栈开发
LLM
Prompt Engineering
AI Agent
音视频
MCP
Agent框架
AI 估算 · 25k–45k
AI Agent热门方向，快手大厂平台，薪资竞争力强，符合一线城市中高级全栈工程师水平。
职位详情
关于这个职位
该职位是快手音视频部门的AI Agent全栈工程师，负责设计和开发面向音视频业务的智能Agent系统，涵盖排障、成本管控、体验优化等场景
你将利用大模型、RAG、Function Calling等技术构建从「能问」到「能干」的Agent闭环，推动音视频工作流自动化
适合有全栈开发能力、熟悉AI编程工具、对Agent方向充满热情的技术人才
最低要求
本科及以上学历，计算机/软件/信息等相关专业
年以上开发经验，至少精通一个技术领域（前端/客户端/后端均可）
熟练使用 AI 编程工具（Cursor、Claude Code 等），有用 AI 突破自身不熟悉领域的实际经验
扎实的 Prompt Engineering 能力，掌握 System Prompt 设计、Few-shot、CoT、结构化输出等技巧
深入理解 Function Calling / Tool Use 机制，能设计 Tool Schema、处理多轮工具调用链路
具备产品化思维，善于从日常工作流中洞察和抽象产品需求
有成本意识，能根据任务选型模型（大模型 vs 小模型 vs 规则），不盲目上大模型
工作职责
Agent 系统设计与开发：独立设计、开发和迭代 AI Agent，完成架构选型、任务编排、Prompt 设计、工具调用与端到端交付
工具链封装与集成：将部门核心平台能力（排障、转码、调度、监控等）封装为 Agent 可调用的标准化 Tool / MCP / Skill等，实现 Agent 从"只能查"到"可以干"的跃迁
RAG 知识库建设：搭建和优化音视频领域知识库（向量检索 + 混合检索 + 重排序），持续提升检索准确率与响应质量
效果评估与迭代：设计评估体系，建立评测集，量化 Agent 准确率/召回率/延迟/成本，数据驱动持续优化
成本与稳定性治理：制定 Agent 降本标准（上下文压缩、模型分流、Token 限流），设计异常兜底与熔断策略，保障生产级可靠性
前沿探索与团队赋能：持续追踪 AI Agent 生态最新进展，探索 AI 在音视频工作流自动化中的创新应用，推动部门 AI 研发范式升级
优先资格
有 LangChain / LangGraph / AutoGen 或自研 Agent 框架实战等相关经验
有 MCP / A2A 等 AI 协议的实践经验
有全栈开发能力，能独立覆盖前端 + 后端
有音视频/流媒体/直播领域经验
有 RAG 系统设计与效果优化经验
有 Agent 评估体系搭建经验
开源社区活跃（GitHub 有 Agent 相关项目/贡献）
AI 洞察
优缺点分析
优点
- 快手音视频业务规模大，Agent应用场景丰富，能快速积累实战经验
- 技术栈前沿（LLM、RAG、Agent框架），有助于保持技术竞争力
- 大厂平台资源充足，有完善的AI基础设施和研发团队支持
- 技术迭代极快，需要持续学习新框架和协议（如MCP、A2A）
- Agent系统对稳定性和成本要求高，需平衡性能与资源消耗
- 适合热爱AI技术、有较强自主学习能力、具备全栈开发背景的工程师，尤其对Agent方向或音视频领域感兴趣者
缺点 / 挑战
- 音视频领域知识门槛较高，需理解排障、转码、调度等业务逻辑
角色解读
- 从Agent开发工程师成长为AI架构师，主导音视频智能系统的整体设计
- 深入音视频领域，成为结合AI与多媒体技术的复合型专家
- 向技术管理方向发展，带领Agent团队推动业务智能化升级
- 设计和开发AI Agent系统，完成架构选型、任务编排、Prompt设计和工具调用
- 将音视频平台能力封装为标准化工具（Tool/MCP/Skill），实现Agent从查询到执行业务操作的跃迁
- 搭建和优化音视频领域RAG知识库，提升检索准确率与响应质量
- 设计评估体系量化Agent效果，持续优化成本与稳定性
- 熟练使用AI编程工具（Cursor、Claude Code等）并有用AI突破自身不熟悉领域的经验
- 扎实的Prompt Engineering能力，掌握System Prompt、Few-shot、CoT、结构化输出等技巧
- 深入理解Function Calling/Tool Use机制，能设计Tool Schema和处理多轮工具调用
- 至少精通前端/客户端/后端一个领域，具备全栈开发能力者优先
申请策略
- 投递前了解快手音视频业务（如直播、短视频、点播），在面试中展现对业务痛点的理解
- 准备一个完整的Agent设计案例，从需求分析到架构选型再到效果评估
- 突出使用AI编程工具攻克陌生领域的具体案例，体现AI赋能能力
- 展示Prompt Engineering和Function Calling的实战经验，最好有可量化的效果
- 如果有Agent框架（LangChain等）或RAG项目经验，务必详细描述架构和成果
- 强调全栈开发能力，尤其是前后端独立完成项目的经历
- 若Agent框架经验不足，可快速上手LangChain/LangGraph官方教程并做小项目
- 补充音视频基础知识，了解直播/转码/排障常见场景
面试指南
- 对于架构设计题，使用STAR原则（情境-任务-行动-结果）展开，突出技术选型和权衡
- 对于优化类问题，先定义问题，再列举具体技术手段（如Prompt优化、检索策略、模型压缩），最后提评估方式
- 对于经验类问题，准备具体案例，说明背景、遇到的困难、用AI解决的过程和最终成果
- 请设计一个音视频智能排障Agent，描述整体架构、工具调用和Prompt策略
- 如何优化RAG系统的检索准确率？你会从哪些方面构建评估指标？
- 请举例说明你如何用AI编程工具解决一个你原本不熟悉的技术问题
- 在Agent系统中如何平衡成本与效果？你会如何做模型选型和Token优化？
- 什么是MCP协议？它在Agent系统中起到什么作用？
匹配度报告
74
综合匹配度
快手音视频AI Agent岗位，前沿技术栈、高成长性，但现场办公、WLB一般。
适合人群
最适合追求技术成长、愿意投入高强度学习以获取前沿技能的开发者，对工作生活平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展95
工作生活50
使命价值70
薪资福利匹配
80较高
快手作为上市大厂，提供具有竞争力的薪资和福利，且该职位技术要求高，薪酬处于市场较高水准。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
95较高
该岗位聚焦AI Agent前沿技术，涉及大模型、RAG、Agent框架等，技术成长空间极大，且快手音视频场景丰富，可深度实践。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、RAG、Prompt Engineering、Function Calling、LangChain、MCP、A2A
成长机会前沿探索与团队赋能
业务类型profit_center
工作生活匹配
50较低
仅现场办公，工作地点为一线城市核心区域，通勤压力较大，且未提及弹性工作时间或远程可能性。
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
70中等
音视频智能Agent可提升运维效率和用户体验，具有一定实用价值，但整体社会影响力中性。
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