小红书
【急招岗位】AI Agent架构工程师
【急招岗位】AI Agent架构工程师
发布于 大约 19 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
本科
分布式系统
RAG
LLM
向量数据库
AI Agent
LangGraph
AutoGen
MCP
Crewai
AI 估算 · 35k–55k
高级AI架构师，小红书C轮后大厂，北京上海薪资较高，市场紧缺，16薪较常见
职位详情
关于这个职位
该职位是小红书创新孵化团队的AI Agent架构工程师，负责设计并实现面向业务场景的AI Agent运行时，解决多Agent协作、上下文管理及可靠执行等核心工程问题
你将深度参与Agent框架设计、Multi-Agent编排、工具集成及系统可靠性建设，跟踪前沿技术并将其实践为工程基础设施
适合有5年以上后端/系统经验且对LLM和Agent有深入理解的候选人
最低要求
本科及以上学历，计算机、软件工程、人工智能等相关专业
年以上后端/系统工程经验，有分布式系统或中间件研发背景者优先
深入理解大语言模型的工作原理（Attention、上下文窗口、Tool Calling、Function Calling 等），有 LLM 生产环境接入与调优经验
有 AI Agent 系统的实际研发经验，熟悉 LangGraph/AutoGen/CrewAI 等 Agent 框架，或有自研 Agent 运行时的工程实践
熟悉 RAG 架构与向量数据库（Milvus/Pinecone/Weaviate/ElasticSearch），理解 Embedding 检索与知识管理的工程设计
具备优秀的系统设计能力，能在高并发、状态复杂的场景下设计可靠的 Agent 执行架构
有 Workflow 引擎、任务调度系统设计经验者优先
自驱、开放、敢于技术决策，能在快速变化的 AI 工程领域持续保持技术判断力
工作职责
Agent 框架设计：设计并实现面向业务场景的 AI Agent 运行时，涵盖任务规划（Planning）、工具调用（Tool Use）、记忆管理（Memory）、反思与自我纠错（Reflection）等核心模块
Multi-Agent 编排：构建多 Agent 协作系统，解决 Agent 间通信协议、任务分配、状态同步、冲突处理等工程难题，实现复杂任务的自动化分解与并行执行
工具与环境集成：设计可扩展的 Tool 注册与调用机制，对接外部 API、数据库、代码执行环境等多类工具，打造 Agent 可信赖的操作环境
可靠性与可观测性：建立 Agent 系统的评估基准（Eval）、执行轨迹追踪、异常检测与降级机制，确保 Agent 在生产环境中的稳定运行
技术前瞻与标准建设：跟踪 Agent 领域最新进展（A2A、MCP、OpenAI Swarm 等），将前沿技术能力转化为团队可复用的工程基础设施
优先资格
熟悉 MCP（Model Context Protocol）或 A2A（Agent-to-Agent）协议的工程实现
有 Agent 评估体系（Eval Framework）的设计与落地经验
有 Code Agent、Browser Agent、Computer Use 等具身 Agent 的研发经历
在 Agent/AI 领域有开源贡献或技术影响力
AI 洞察
优缺点分析
优点
- 小红书平台大、业务场景丰富，Agent技术有真实应用空间
- 前沿AI领域，技能积累含金量高，市场竞争力强
- 团队属于创新孵化，技术探索空间大，能接触最新协议（MCP/A2A）
- 要求多领域知识（后端、分布式、LLM、Agent框架），学习曲线陡峭
- 大厂工作节奏可能较快，需要自驱和快速决策能力
- 适合有5年以上后端经验、对AI Agent充满热情、愿意在技术前沿快速成长的高级工程师
缺点 / 挑战
- Agent领域仍处于早期，工程落地面临不确定性和快速迭代压力
角色解读
- 从IC工程师成长为Agent系统技术专家或架构师
- 未来可转型AI产品化团队的技术负责人或AI infra团队Leader
- 随着Agent技术爆发，该领域经验具有极高行业价值和稀缺性
- 设计并实现AI Agent运行时框架，包含任务规划、工具调用、记忆管理等核心模块
- 构建多Agent协作系统，解决通信、任务分配、状态同步等工程难题
- 集成外部工具与环境，设计可扩展的Tool注册与调用机制
- 建立Agent系统的评估基准与可观测性，确保生产环境稳定运行
- 掌握大语言模型原理，有LLM生产环境接入与调优经验
- 熟悉至少一个Agent框架（LangGraph/AutoGen/CrewAI）或有自研经验
- 精通RAG架构与向量数据库，理解Embedding检索
- 具备高并发、状态复杂的系统设计能力，有分布式系统或中间件背景更佳
申请策略
- 展示对Agent领域最新进展的关注，可在求职信中提及对MCP/A2A的理解
- 了解小红书的AI产品方向，思考Agent如何赋能社区
- 重点展示LLM/Agent相关项目经验，特别是自研Agent运行时或多Agent系统
- 突出分布式系统设计能力，如高并发、任务调度、中间件研发
- 列出RAG、向量数据库、Tool Calling等具体技术实践
- 若有开源贡献或技术博客、会议分享，务必体现
- 熟悉LangGraph/AutoGen等框架，动手实现一个简单Agent Demo
- 了解MCP/A2A协议，阅读相关技术文档
面试指南
- STAR原则：描述项目背景、任务、行动与结果，突出系统设计决策与权衡
- 对比分析：回答协议或框架问题时，先阐述概念，再对比优劣，最后结合实际场景
- 分点结构化：从架构、可靠性、可扩展性等维度系统阐述
- 请设计一个Multi-Agent协作系统，如何处理Agent间的状态同步与冲突？
- 谈谈你对MCP协议的理解，它与Function Calling有何异同？
- 如何评估一个Agent系统的性能与可靠性？你会设计哪些指标？
- 在LLM生产环境中，你遇到过哪些常见问题？如何优化Tool Calling的准确率？
- 复习LLM原理，特别是Attention、上下文窗口、Function Calling
匹配度报告
69
综合匹配度
大厂创新团队，前沿AI Agent技术栈，高成长性，但WLB一般。
适合人群
适合追求技术前沿、渴望快速成长、对AI Agent有热情的求职者，对生活节奏要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活40
使命价值70
薪资福利匹配
75中等
小红书为C轮后大厂，薪资福利有竞争力，但JD未明确薪资福利细节，整体处于市场偏上水准。
薪资信号未披露（AI估算：35K-55K/月）
成长发展匹配
90较高
岗位涉及前沿AI Agent技术，成长空间大，团队鼓励技术前瞻与标准建设，发展动机得到充分满足。
技术前沿前沿/新兴技术
技术栈LLM、Agent、LangGraph、AutoGen、CrewAI、RAG、MCP、A2A
业务类型profit_center
工作生活匹配
40较低
未提及弹性办公或WLB，大厂节奏一般较快，且三个城市均为一线城市通勤压力较大。
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
AI Agent属于高速增长赛道，技术创新性强，但社会影响中性，小红书社区生态有一定正面价值。
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