小红书
AI应用PE工程师： 负责小红书商业化方向AI智能化专项
AI应用PE工程师： 负责小红书商业化方向AI智能化专项
发布于 3 天前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
RAG
LLM
模型微调
广告运营
Prompt Engineering
Spring cloud
Multi Agent
AI 估算 · 25k–45k
AI方向专业技能紧缺，大厂商业化岗位薪资竞争力强，且技术栈前沿提升议价空间。
职位详情
关于这个职位
该职位负责小红书商业化方向AI智能化专项，参与AI助手开发，利用LLM、RAG、Multi Agent等技术提升广告运营效率和客户服务体验
需要扎实的Java功底和AI应用落地经验，适合对前沿AI技术有热情、具备系统架构能力的工程师
最低要求
本科及以上学历，计算机相关专业，优秀院校毕业者优先
具备扎实的Java语言开发功底，良好的代码风格与习惯，熟悉Spring Cloud等微服务框架及消息队列等中间件
熟悉LLM应用调优（Prompt优化、RAG、模型微调等），有Agent或Multi Agent实际项目设计和开发经验
关注AI技术发展，对AI前沿技术具备较强的学习能力，持续推动技术架构演进
具备一定系统架构能力，能够关注系统的非功能性需求，例如性能、可用性、扩展性、Token成本控制等方面，持续优化服务稳定性和迭代效率
工作职责
参与小红书广告运营场景AI助手开发，利用AI技术帮助销售、代理商、运营提升客户服务能力，提升广告主服务效率和体验
深入理解商业广告运营流程，完成智能体Multi Agent技术架构的设计和落地，通过多Agent协同处理复杂业务流程
深度参与AI应用各流程节点的调优，包括但不限于提升RAG准召、意图识别优化、Multi Agent Planning优化、Prompt工程与模型微调等，将业界前沿AI技术应用到产品中
深度参与相关复杂业务系统架构、稳定性、Token成本、性能等方面的优化工作，保障线上服务运行稳定，资源使用合理
有数据驱动意识，通过科学的用户行为分析和广告投放数据分析为产品、技术迭代提供决策依据
优先资格
了解广告运营/商业化业务流程者优先
良好的沟通、协作、学习能力，能快速融入团队，积极面对困难和挑战，协同其他角色一起达成目标
AI 洞察
优缺点分析
优点
- 聚焦AI前沿技术（LLM、Agent），技术成长快，简历含金量高
- 小红书大厂平台，商业化广告业务成熟，有大量真实场景和数据
- 岗位涉及全链路优化，能积累系统架构和工程能力
- AI技术迭代迅速，需要持续学习，保持对前沿的敏感度
- 业务复杂度高，需要深入理解广告运营流程，跨部门协作多
- 适合对AI应用有热情、乐于拥抱新技术、具备独立思考和系统设计能力的工程师
缺点 / 挑战
- 互联网公司工作节奏快，可能面临技术攻坚和项目交付压力
角色解读
- 从AI应用工程师向AI技术专家发展，深化LLM和Agent技术栈
- 可晋升为AI架构师，负责整体AI系统设计与技术演进
- 未来可转向商业化产品方向，成为懂业务的技术leader
- 参与小红书广告运营场景的AI助手开发，利用LLM、RAG等技术提升销售和运营效率
- 设计并落地Multi Agent技术架构，通过多智能体协同处理复杂广告业务流程
- 持续优化AI应用的各环节，包括意图识别、Prompt工程、模型微调等，推动前沿技术落地
- 扎实的Java开发功底，熟悉Spring Cloud等微服务架构
- 深入理解LLM应用调优，包括RAG、Prompt优化、模型微调等
- 具备Agent/Multi Agent实际项目经验，能设计复杂业务协同流程
申请策略
- 在简历中体现对AI技术的热情，如GitHub项目或技术博客
- 面试前深入了解小红书商业化产品，思考AI在其中的应用场景
- 突出AI项目经验，尤其是LLM、RAG、Agent相关落地方案和效果
- 强调Java后端开发能力，包括微服务架构设计和高并发优化
- 展示数据驱动意识，如通过用户行为分析优化模型
- 补充Multi Agent框架（如LangGraph、AutoGen）的实战经验
- 加强Prompt Engineering和RAG优化技巧，掌握主流向量数据库
- 了解广告商业化业务逻辑，提前熟悉相关概念
面试指南
- 用STAR法则描述项目背景、任务、行动和结果，突出技术难点和解决思路
- 针对优化类问题，先定义指标（如准召、延迟），再分步骤说明优化策略
- 请描述一个你主导的Multi Agent系统设计，并说明如何协调多个Agent
- 如何优化RAG系统的准召率？遇到过哪些难点？
- 你有过Prompt工程调优经验吗？举例说明如何提升生成质量
- 在高并发场景下，如何保障AI服务的稳定性并控制Token成本？
- 如何评估AI助手对广告运营效率的提升效果？
- 复习LLM原理、RAG框架（如LlamaIndex、LangChain）、Multi Agent设计模式
匹配度报告
74
综合匹配度
大厂AI商业化前沿技术岗位，高成长高薪资，需现场办公。
适合人群
适合追求技术成长和前沿领域的工程师，愿意投入时间学习，能接受一定工作强度。
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90
工作生活50
使命价值75
薪资福利匹配
80较高
薪资有竞争力，大厂福利体系完善，但JD未明确披露具体数字。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
技术栈前沿（LLM、Agent、RAG），成长空间大，但未提及晋升通道。
技术前沿前沿/新兴技术
技术栈AI、LLM、Agent、Multi Agent、RAG、Prompt Engineering、模型微调
业务类型profit_center
工作生活匹配
50较低
仅现场办公未提弹性，北京办公，加班文化未明确但互联网常见。
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
75中等
AI商业化助力广告效率，有一定社会价值，行业高速发展。
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