小红书
AI Agent研发工程师（大数据运维治理方向）
AI Agent研发工程师（大数据运维治理方向）
发布于 大约 17 小时前普通员工/个人贡献者
北京市 / 上海市
高级经验
全职员工
仅现场办公
学历未注明
大数据
RAG
LLM
知识图谱
AIOps
StarRocks
运维治理
Multi-Agent
AI 估算 · 25k–50k
AI Agent 研发岗位技术要求高（大模型、大数据、Java），小红书大厂背景，一线城市薪资有竞争力，月薪在25k-50k合理。
职位详情
关于这个职位
加入小红书大数据团队，你将负责设计和实现大数据运维与治理场景下的AI Agent，利用大模型、RAG、知识图谱等前沿技术，解决元数据增强、任务诊断、质量归因、成本治理等核心问题，推动数据开发治理平台的智能化迭代
这是一个技术深度与业务价值并重的岗位，适合渴望在AI+大数据方向实战的工程师
最低要求
计算机科学、人工智能、数学或相关专业，有复杂智能系统、Agent、大模型项目研发经验优先
精通Java开发，熟悉分布式、缓存、消息队列、微服务等架构机制，熟悉Spark、Flink、Hive、Starrocks等大数据生态，了解引擎运维
熟悉检索增强生成（RAG）、Single/Multi-Agent等技术
有AIOPS相关建设经验者优先，尤其是稳定性方面的智能运维，有大型项目的落地经验，包括但不限于异常检测、日志检测、故障诊断、根因分析等
具备较强的业务和产品sense，具备良好的沟通和团队协作能力，能够主导问题分析、方案规划、推动落地的过程，能结合用户痛点设计可落地的AI增强方案
工作职责
负责大数据运维及治理场景下AI Agent的设计与实现，覆盖元数据增强、任务智能诊断、数据质量归因、成本治理、稳定性运维等核心场景，落地自动化运维和治理工具
参与数据管治和运维领域知识库及知识图谱研发，优化LLM在异常检测、根因定位、故障自愈、性能调优、成本治理等场景的生成准确性与实用性
深入场景理解需求，基于大模型与AI前沿工程实践，推动数据开发治理平台产品能力迭代与功能演进
优先资格
有AIOPS相关建设经验者优先，尤其是稳定性方面的智能运维，有大型项目的落地经验，包括但不限于异常检测、日志检测、故障诊断、根因分析等
AI 洞察
优缺点分析
优点
- 技术栈前沿：大模型、Agent、RAG、AIOps，积累核心技术经验
- 业务价值高：直接提升大数据平台稳定性与效率，成就感强
- 公司平台大：小红书作为超大型互联网公司，资源丰富，影响面广
- 跨领域融合：结合AI与大数据运维，拓宽技术视野
- 技术要求全面：需要同时掌握Java、大数据生态和LLM技术栈，学习曲线陡峭
- 业务场景复杂：运维治理场景多样，需要深入理解业务和数据特点
- 落地难度大：AI Agent在生产环境的稳定性和准确性要求高，调试和优化工作量大
- 适合有Java和大数据基础，同时对AI Agent、LLM应用有浓厚兴趣，愿意在智能运维方向深耕的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术深耕：从AI Agent开发走向大数据与AI架构师，成为智能运维领域的专家
- 横向扩展：可转向数据平台产品、AI平台架构或团队管理
- 行业前景：AIOps和智能运维是云计算和大型互联网公司的刚需，职业发展空间广阔
- 设计和开发大数据运维与治理场景的AI Agent，实现自动化任务诊断、异常检测、故障自愈等功能
- 构建和迭代知识图谱与RAG系统，提升大模型在根因定位、成本治理等场景的准确性和实用性
- 深入理解数据运维痛点，结合LLM技术推动数据开发治理平台的产品迭代
- 精通Java及分布式系统（缓存、消息队列、微服务），掌握Spark/Flink/Hive等大数据生态
- 熟悉RAG、Single/Multi-Agent等大模型应用技术
- 具备AIOps相关经验，了解异常检测、日志分析、故障诊断等运维场景
- 较强的业务理解能力和产品思维，能设计落地AI解决方案
申请策略
- 在简历中清晰表达对AI Agent在运维场景的理解，展示解决问题的思路
- 了解小红书数据平台的产品方向，面试时可主动提出对智能运维的见解
- 突出大数据开发经验，尤其是Spark/Flink/Hive的实际项目
- 展示AI Agent或大模型应用项目（如RAG、Multi-Agent系统），说明技术选型和效果
- 强调AIOps或智能运维方面的落地案例，如异常检测、根因分析
- 体现Java分布式系统设计能力和架构思维
- 补充LLM应用知识，学习LangChain、AutoGen等Agent框架
- 熟悉AIOps常用方法与工具（如KPI异常检测算法、日志分析）
面试指南
- 结构清晰：问题定义 -> 技术选型 -> 设计方案 -> 效果评估
- 重点说明数据流的闭环和异常处理
- 突出权衡：例如检索精度与延迟的平衡，Agent决策的可解释性
- 结合业务：强调方案对运维效率的提升，体现产品sense
- 请设计一个基于LLM的大数据任务失败根因诊断Agent，要考虑哪些模块？
- 如何处理RAG中的检索质量与LLM幻觉问题？
- 描述一次你利用AIOps方法解决稳定性问题的经历
- 在分布式系统中，如何保证Agent服务的可靠性与低延迟？
匹配度报告
70
综合匹配度
大厂前沿AI岗位，技术栈新，成长快，但工作强度未知且无明确WLB信号。
适合人群
最适合追求技术成长、喜欢挑战前沿AI+大数据栈的求职者，对薪资和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70
成长发展88
工作生活50
使命价值70
薪资福利匹配
70中等
虽未明确薪资，但小红书作为大厂，薪酬水平通常具有竞争力，且福利完善。缺点是无明确薪资信息，面议概率较大。
薪资信号未披露（AI估算：25K-50K/月）
成长发展匹配
88较高
该岗位技术前沿（大模型、Agent、RAG、AIOps），成长空间大，参与核心智能化建设，但未明确提及晋升机制。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Multi-Agent、AIOps、知识图谱、Spark、Flink、Java
业务类型cost_center
工作生活匹配
50较低
工作地点在一线城市核心区域，但未提及远程或弹性办公，且互联网公司通常工作强度较大。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
职位聚焦数据运维效率提升，对内部平台稳定性有意义，但社会影响力一般。行业为高速增长的互联网赛道。
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