主分类：Agent系统开发
辅助：AI训练推理与计算优化（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "金融科技-Agent架构设计与推理性能优化工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "CDG",
"location": "深圳",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "腾讯",
"company_industry": "互联网 / 科技 / 人工智能",
"company_size": "10000人以上",
"company_website": "tencent.com",
"company_description": "腾讯是一家互联网和科技公司，业务覆盖通信与社交、数字内容、游戏、金融科技、企业服务、云计算与人工智能等方向。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 5,
"degree": "· 计算机、人工智能等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1.· 负责Agent harness的设计与平台 Agent 开发，结合统一Agent框架、标准LLM服务，扩展自定义工具、沙箱 、Agent 互调通信，完成业务功能目标；\n2.· 围绕工具的场景，定义量化指标，并结合轨迹的合理性，整体优化 Agent 工作效率与效果；\n3.· 优化模型推理性能，包括缓存命中率、私有化推理集群的调度、卡适配、跨集群成本削峰填谷等，提升推理资源利用率和响应速度；\n4.· 协助Agent框架与FAT平台、LLM API、评测系统的打通，实现一站式Agent创建、上线与效果评估；\n5.· 跟踪Agent与推理框架的前沿技术，结合业务需求探索创新方案并推动落地。",
"requirements_text": "1.· 具备扎实的后台工程能力，有行业 成熟 Agent框架的实战经验；\n2.· 熟悉大模型推理框架，有相关优化经验（vLLM、sglang等）；\n3.· 有卡推理适配和集群化推理调度经验者优先；\n4.· 有持续的一线技术优化实战经验，能独立承担Agent设计与核心模块开发，对Agent的上下文工程、工具调用、Skill设计有深入理解，了解最新上下文设计原则；\n5.· 计算机、人工智能等相关专业本科及以上学历，有顶会论文或开源项目贡献者优先。",
"skills": [AI生成
"大语言模型"
],
"preferred_qualifications": "3.· 有卡推理适配和集群化推理调度经验者优先；5.· 计算机、人工智能等相关专业本科及以上学历，有顶会论文或开源项目贡献者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.tencent.com/jobdesc.html?postId=2092447906002022400"
}
]
},
"posting": {
"posting_id": "2092447906002022400",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.tencent.com/jobdesc.html?postId=2092447906002022400"
},
"fulltext": "金融科技-Agent架构设计与推理性能优化工程师\n在腾讯，后台开发工程师不仅是“又快又稳”的问题解决专家，更是生态共创者。你将与技术团队一同沉淀优质代码，让它成为我们共有的宝贵资产。在不同的业务场景和技术发展阶段，你的架构思维也将帮助更多协作团队拓展新的思考。我们也珍视你的挑战精神，同时欢迎你一起参与团队愿景、文化和产品方向的探讨。\n1.· 负责Agent harness的设计与平台 Agent 开发，结合统一Agent框架、标准LLM服务，扩展自定义工具、沙箱 、Agent 互调通信，完成业务功能目标；\n2.· 围绕工具的场景，定义量化指标，并结合轨迹的合理性，整体优化 Agent 工作效率与效果；\n3.· 优化模型推理性能，包括缓存命中率、私有化推理集群的调度、卡适配、跨集群成本削峰填谷等，提升推理资源利用率和响应速度；\n4.· 协助Agent框架与FAT平台、LLM API、评测系统的打通，实现一站式Agent创建、上线与效果评估；\n5.· 跟踪Agent与推理框架的前沿技术，结合业务需求探索创新方案并推动落地。\n1.· 具备扎实的后台工程能力，有行业 成熟 Agent框架的实战经验；\n2.· 熟悉大模型推理框架，有相关优化经验（vLLM、sglang等）；\n3.· 有卡推理适配和集群化推理调度经验者优先；\n4.· 有持续的一线技术优化实战经验，能独立承担Agent设计与核心模块开发，对Agent的上下文工程、工具调用、Skill设计有深入理解，了解最新上下文设计原则；\n5.· 计算机、人工智能等相关专业本科及以上学历，有顶会论文或开源项目贡献者优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}