主分类：Agent系统开发
辅助：Agent 产品经理、AI模型评测工程（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": "到餐-全栈 Agent Builder",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-业务研发平台",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "为什么是 Agent 构建师：希望加入的 Agent 开发专家，不仅了解 Agent 工程开发，还了解商业模式、产品定义和技术架构，做好「Agent 构建」\n\n为什么是全栈：\n1. AI Coding 能力的发展，让技术语言不再成为壁垒，团队判断未来 1-3 年全栈将会成为趋势\n2. AI 应用需要快速迭代和探索，全栈闭环可以让事情更容易发生，不用陷入资源协调的损耗中\n3. 团队希望能找到更多认可此判断的同学加入，在核心稳定业务中共同转型\n\n岗位要做什么：\n1. 【业务层】① 负责美团到店餐饮业务商家及销售方向，结合已有系统能力，完成在销售和供应链方向 Agent 探索与应用。② 深度与业务、产品、运营合作，高频共创和下一线，明确 PTMF。\n2. 【产品层】① 确保 AI 技术融合到商家及销售智能化产品流程中，保证 GUI 和 NUI 无缝衔接，探索 Generative UI。② 建设智能问答（知识+工具）、智能外呼、数据分析等应用层能力。③ 通过感知和理解用户的目标、资源、行为，完成“人用工具 → 工具找人”的主动服务型产品能力转变。 \n3. 【系统层】① 设计、实现和维护先进的 Agentic System，结合 Agentic RAG、Cognitive Architecture、Agentic Workflow 等前沿技术提升准确率和性能，降低系统成本。② 解决在多模态模型、多 Agent 场景下的可扩展性问题，创造一流的工程体验。③ 完成企业存量 Tools 的低成本集成，结合 CodeAgent 和 SpecCoding 模式，让用户能够自建 Skill。\n4. 【数据层】① 保证底层数据口径统一，面向 Agent 友好。② 提供方便的企业数据集成和查询能力。③ 低成本的完成知识库生产、管理、消费流程，保证知识无过时、冲突、冗余。④ 完善基于测评驱动的 Agent 生产流程，保证测评集的时效性，快速评估 LLM 和 Agent 效果\n5. 【模型层】① 周期性进行 SOTA 模型测评，并根据不同场景和模型特点选择高性价比模型。② 协同训练师团队完成模型所需训练数据的生产、标注任务。③ 完成领域场景模型的 SFT、DPO 工作。④ 与算法团队共同探索 GRPO、PPO 等模型训练工作。",
"requirements_text": "1. 曾直接与客户合作，深入了解客户需求，并熟练使用他们使用的工具。\n2. 在减轻风险和构建可靠、可扩展和高性能系统方面有良好的判断力。\n3. 出色的沟通技巧，能够有效解释你决策背后的“为什么”。\n4. 对 Agentic System 有扎实的理解，有使用 LangChain、LangGraph 等框架的经验。\n5. AI Coding 出码采纳率和 AI 代码占比等关键指标上表现出色（团队当前采纳率 75%+，AI 代码占比 60%+），有 Spec Coding 实践经验",
"skills": [AI生成
"数据分析",
"模型训练",
"销售",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "1. 美团核心业务\n2. Code Agent 和 Agentic System 双线驱动\n3. Spec Coding 全面推进\n4. 涉及业务架构、工程效率、交付质量、用户体验全链路开发体系"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=2917570547&jobShareType=1"
}
]
},
"posting": {
"posting_id": "2917570547",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=2917570547&jobShareType=1"
},
"fulltext": "到餐-全栈 Agent Builder\n到餐-全栈 Agent Builder\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-业务研发平台\n职位类别：技术类\n职位族群：软件\n更新时间：2026-05-27\n\n岗位职责\n为什么是 Agent 构建师：希望加入的 Agent 开发专家，不仅了解 Agent 工程开发，还了解商业模式、产品定义和技术架构，做好「Agent 构建」\n\n为什么是全栈：\n1. AI Coding 能力的发展，让技术语言不再成为壁垒，团队判断未来 1-3 年全栈将会成为趋势\n2. AI 应用需要快速迭代和探索，全栈闭环可以让事情更容易发生，不用陷入资源协调的损耗中\n3. 团队希望能找到更多认可此判断的同学加入，在核心稳定业务中共同转型\n\n岗位要做什么：\n1. 【业务层】① 负责美团到店餐饮业务商家及销售方向，结合已有系统能力，完成在销售和供应链方向 Agent 探索与应用。② 深度与业务、产品、运营合作，高频共创和下一线，明确 PTMF。\n2. 【产品层】① 确保 AI 技术融合到商家及销售智能化产品流程中，保证 GUI 和 NUI 无缝衔接，探索 Generative UI。② 建设智能问答（知识+工具）、智能外呼、数据分析等应用层能力。③ 通过感知和理解用户的目标、资源、行为，完成“人用工具 → 工具找人”的主动服务型产品能力转变。 \n3. 【系统层】① 设计、实现和维护先进的 Agentic System，结合 Agentic RAG、Cognitive Architecture、Agentic Workflow 等前沿技术提升准确率和性能，降低系统成本。② 解决在多模态模型、多 Agent 场景下的可扩展性问题，创造一流的工程体验。③ 完成企业存量 Tools 的低成本集成，结合 CodeAgent 和 SpecCoding 模式，让用户能够自建 Skill。\n4. 【数据层】① 保证底层数据口径统一，面向 Agent 友好。② 提供方便的企业数据集成和查询能力。③ 低成本的完成知识库生产、管理、消费流程，保证知识无过时、冲突、冗余。④ 完善基于测评驱动的 Agent 生产流程，保证测评集的时效性，快速评估 LLM 和 Agent 效果\n5. 【模型层】① 周期性进行 SOTA 模型测评，并根据不同场景和模型特点选择高性价比模型。② 协同训练师团队完成模型所需训练数据的生产、标注任务。③ 完成领域场景模型的 SFT、DPO 工作。④ 与算法团队共同探索 GRPO、PPO 等模型训练工作。\n\n岗位基本要求\n1. 曾直接与客户合作，深入了解客户需求，并熟练使用他们使用的工具。\n2. 在减轻风险和构建可靠、可扩展和高性能系统方面有良好的判断力。\n3. 出色的沟通技巧，能够有效解释你决策背后的“为什么”。\n4. 对 Agentic System 有扎实的理解，有使用 LangChain、LangGraph 等框架的经验。\n5. AI Coding 出码采纳率和 AI 代码占比等关键指标上表现出色（团队当前采纳率 75%+，AI 代码占比 60%+），有 Spec Coding 实践经验\n\n岗位亮点\n1. 美团核心业务\n2. Code Agent 和 Agentic System 双线驱动\n3. Spec Coding 全面推进\n4. 涉及业务架构、工程效率、交付质量、用户体验全链路开发体系\n为什么是 Agent 构建师：希望加入的 Agent 开发专家，不仅了解 Agent 工程开发，还了解商业模式、产品定义和技术架构，做好「Agent 构建」\n\n为什么是全栈：\n1. AI Coding 能力的发展，让技术语言不再成为壁垒，团队判断未来 1-3 年全栈将会成为趋势\n2. AI 应用需要快速迭代和探索，全栈闭环可以让事情更容易发生，不用陷入资源协调的损耗中\n3. 团队希望能找到更多认可此判断的同学加入，在核心稳定业务中共同转型\n\n岗位要做什么：\n1. 【业务层】① 负责美团到店餐饮业务商家及销售方向，结合已有系统能力，完成在销售和供应链方向 Agent 探索与应用。② 深度与业务、产品、运营合作，高频共创和下一线，明确 PTMF。\n2. 【产品层】① 确保 AI 技术融合到商家及销售智能化产品流程中，保证 GUI 和 NUI 无缝衔接，探索 Generative UI。② 建设智能问答（知识+工具）、智能外呼、数据分析等应用层能力。③ 通过感知和理解用户的目标、资源、行为，完成“人用工具 → 工具找人”的主动服务型产品能力转变。 \n3. 【系统层】① 设计、实现和维护先进的 Agentic System，结合 Agentic RAG、Cognitive Architecture、Agentic Workflow 等前沿技术提升准确率和性能，降低系统成本。② 解决在多模态模型、多 Agent 场景下的可扩展性问题，创造一流的工程体验。③ 完成企业存量 Tools 的低成本集成，结合 CodeAgent 和 SpecCoding 模式，让用户能够自建 Skill。\n4. 【数据层】① 保证底层数据口径统一，面向 Agent 友好。② 提供方便的企业数据集成和查询能力。③ 低成本的完成知识库生产、管理、消费流程，保证知识无过时、冲突、冗余。④ 完善基于测评驱动的 Agent 生产流程，保证测评集的时效性，快速评估 LLM 和 Agent 效果\n5. 【模型层】① 周期性进行 SOTA 模型测评，并根据不同场景和模型特点选择高性价比模型。② 协同训练师团队完成模型所需训练数据的生产、标注任务。③ 完成领域场景模型的 SFT、DPO 工作。④ 与算法团队共同探索 GRPO、PPO 等模型训练工作。\n1. 曾直接与客户合作，深入了解客户需求，并熟练使用他们使用的工具。\n2. 在减轻风险和构建可靠、可扩展和高性能系统方面有良好的判断力。\n3. 出色的沟通技巧，能够有效解释你决策背后的“为什么”。\n4. 对 Agentic System 有扎实的理解，有使用 LangChain、LangGraph 等框架的经验。\n5. AI Coding 出码采纳率和 AI 代码占比等关键指标上表现出色（团队当前采纳率 75%+，AI 代码占比 60%+），有 Spec Coding 实践经验",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"PM004",
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}