小红书
Agent应用算法工程师-创新业务
Agent应用算法工程师-创新业务
发布于 大约 20 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
硕士
PyTorch
RAG
LLM
SFT
RL
Multi-Agent
AI 估算 · 35k–55k
该岗位要求前沿AI技术，需求旺盛，薪资竞争力强。
职位详情
关于这个职位
加入小红书创新业务核心算法团队，负责通用Agent框架设计与垂类Agent开发，利用LLM、RAG、Multi-Agent等前沿技术打造AI Native产品，推动用户体验与业务效率提升
最低要求
有创业精神，对Agent技术赋能业务创新有极大热情，愿意深入理解用户、打磨体验、推动产品持续进化
计算机、人工智能、数学、统计等相关专业硕士及以上学历，具备扎实的机器学习/深度学习理论基础，精通 Python，熟练使用 PyTorch、Transformers 等框架
具备LLM/Agent经验：深入理解 Transformer 架构，熟悉 SFT、RL、RAG、Function Calling、Planning、Memory、Multi-Agent 等关键技术，具备大模型或 Agent 系统研发与落地经验
具备优秀的工程实现与问题拆解能力，能够从真实用户需求出发，将模型能力转化为可落地的业务方案，并持续优化效果、性能与稳定性
工作职责
负责通用 Agent 框架的设计与研发，包括意图识别（Router）、任务规划（Planning）、工具调用（Function Calling）、检索增强生成（RAG）、状态管理（Memory）等核心能力，构建可支撑复杂任务执行的智能体系统
深入创新业务核心场景，设计垂类 Agent，打通用户状态、结构化信息、环境信息、知识库等多源信息，提升用户从“提出需求”到“获得可执行方案”的效率与体验
基于开源或自研基座模型，利用 SFT、RL 等技术进行垂直场景微调，增强模型在复杂指令遵循、规划推理、工具使用、个性化表达与安全性上的能力
面向长链路、复杂任务场景，探索并落地 Multi-Agent 协作机制，提升系统任务完成率、稳定性与可解释性
建设 Agent 自动化评测平台，制定覆盖任务完成度、相关性、可执行性、工具调用准确率与安全性的多维指标，通过离线评测与在线 A/B 实验持续驱动效果优化
AI 洞察
优缺点分析
优点
- 拥抱最前沿的AI技术栈（LLM、Agent），技术成长空间大
- 小红书作为知名互联网平台，提供优质资源与影响力
- 创新业务氛围，有机会从0到1打造具有行业影响力的产品
- 薪资待遇优厚，行业竞争力强
- 技术难度高，需要持续学习并跟进前沿研究
- 作为技术核心成员，工作强度可能较大，需要较强的抗压能力
缺点 / 挑战
- 创新业务不确定性大，可能面临方向调整或快速迭代的压力
- 适合技术热情高、喜欢挑战、愿意深入业务并推动AI落地的高级算法工程师
角色解读
- 技术专家路线：深耕Agent架构，成为大模型应用领域的技术权威
- 技术管理路线：成长为团队技术负责人，带领团队攻克难题
- 产品创新路线：结合业务洞察，从技术视角推动产品创新，甚至内部创业
- 设计并研发通用Agent框架，包括意图识别、任务规划、工具调用等核心模块
- 深入业务场景，开发垂类Agent，融合多源信息提升用户体验
- 利用SFT、RL等技术微调大模型，增强其在规划推理、工具使用等方面的能力
- 探索Multi-Agent协作机制，提升复杂任务的完成率和稳定性
- 精通LLM、RAG、Multi-Agent等前沿技术，有实际落地经验
- 扎实的机器学习和深度学习理论基础，熟悉Python及PyTorch/Transformers框架
- 优秀的工程实现和问题拆解能力，能推动技术落地
- 具备创业精神和用户导向思维，能深入理解业务需求
申请策略
- 申请前了解小红书的创新业务方向（如社区、电商等），体现对其业务痛点的思考
- 准备1-2个Agent技术方案设计案例，展示系统架构和关键决策
- 突出LLM/Agent相关项目经验，特别是从设计到落地的完整案例
- 强调工程能力，如系统性能优化、多模块集成经验
- 体现对用户需求的理解和业务思维，可用项目成果佐证
- 列出发表的论文或开源贡献，增强技术深度
- 深入研究Multi-Agent协作框架（如AutoGen、CrewAI）
- 积累大模型微调（SFT/RL）实战经验，特别是指令遵循和工具使用
面试指南
- 先阐述系统整体架构，再分模块说明设计思路，强调可扩展性和鲁棒性
- 结合具体项目，用STAR方法描述问题、方案、结果，突出技术难点和量化收益
- 对于开放性问题，提供多个可选方案并比较优劣，展示深度思考
- 请设计一个通用Agent框架，需要考虑哪些核心模块？
- 如何实现一个高准确率的RAG系统？遇到的问题和解决方案？
- 描述一次你使用SFT或RL微调大模型的经历，重点说明如何提升特定能力
- 多Agent协作中如何解决冲突和保证任务一致性？
- 如何评估Agent系统的效果？你会设计哪些指标？
匹配度报告
79
综合匹配度
前沿AI Agent算法岗，薪资高，技术成长快，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、对WLB要求不高的求职者。
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60
使命价值80
薪资福利匹配
80较高
薪资水平符合一线互联网大厂算法岗标准，但JD未明确具体数字和福利，需面试确认。
薪资信号未披露（AI估算：35K-55K/月）
成长发展匹配
95较高
技术栈前沿（LLM、Agent、RAG等），涉及多项关键技术，成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Multi-Agent、SFT、RL、Function Calling、Planning、Memory
业务类型ambiguous
工作生活匹配
60中等
仅现场办公，未提及弹性工作或WLB，互联网大厂算法岗通常强度较高。
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
80较高
AI Agent是高速增长赛道，但JD未强调社会价值或使命感，创新业务具有一定意义。
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