主分类：Agent系统开发
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": "【基座大模型北斗实习】复杂Agent应用技术研究",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "未披露",
"location": "北京市 / 上海市",
"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": "简介：探索下一代 Agent-Native 基础设施。方向覆盖数据计算与商业分析、精准营销与广告投放、个人助理与智能服务三大场景，致力于用 AI Agent 重构人与数据、人与服务的交互方式。\n【技术方向】\n1、DataAgent 核心基建：攻坚复杂长周期任务的调度架构，解决大规模数据流转下的上下文治理、长期记忆与状态流控难题。\n2、BA 场景工具链：构建高扩展性数据处理 Skill 体系与安全高效的代码执行沙盒，支持 Agent 智能调度高并发数据流处理工具。\n3、精准营销 Agent：基于海量用户行为数据的宏观统计与微观推理，探索精细化需求理解与大小模型协同的高效系统设计。\n4、Skill 体系与模型优化：探索 Skill 的表示、调度与自进化机制；推进 Agentic RL、自适应推理等模型训练与调优工作。\n5、智能服务新范式：建立 C 端个人 Agent 与 B 端服务 Agent 的连接，研究智能体架构优化、推理成本控制与长期记忆提升。",
"requirements_text": "1、有好奇心，敢想敢做，学习能力强，能在复杂问题的深度思考与拆解能力；\n2、掌握基本的LLM训练和应用范式；\n3、顶会论文（ACL/EMNLP/NeurIPS/ICLR/KDD 等）、开源贡献或算法竞赛成果突出者优先；\n4、有OpenClaw、Claude code深度使用经验与产出优先；\n5、熟悉Agentic RL者优先；\n6、在 GitHub 上拥有高 Star 的 AI 原生项目，或曾向 OpenClaw/OpenCode 等主流 Agent 框架提交过核心 PR。\n（base北京或上海）",
"skills": [AI生成
"学习能力"
],
"preferred_qualifications": "3、顶会论文（ACL/EMNLP/NeurIPS/ICLR/KDD 等）、开源贡献或算法竞赛成果突出者优先；4、有OpenClaw、Claude code深度使用经验与产出优先；5、熟悉Agentic RL者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4348848293&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4348848293",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4348848293&jobShareType=1"
},
"fulltext": "【基座大模型北斗实习】复杂Agent应用技术研究\n【基座大模型北斗实习】复杂Agent应用技术研究\n\n基础信息\n工作地点：北京市 / 上海市\n职位类别：技术类\n职位族群：算法\n更新时间：2026-04-03\n\n岗位职责\n简介：探索下一代 Agent-Native 基础设施。方向覆盖数据计算与商业分析、精准营销与广告投放、个人助理与智能服务三大场景，致力于用 AI Agent 重构人与数据、人与服务的交互方式。\n【技术方向】\n1、DataAgent 核心基建：攻坚复杂长周期任务的调度架构，解决大规模数据流转下的上下文治理、长期记忆与状态流控难题。\n2、BA 场景工具链：构建高扩展性数据处理 Skill 体系与安全高效的代码执行沙盒，支持 Agent 智能调度高并发数据流处理工具。\n3、精准营销 Agent：基于海量用户行为数据的宏观统计与微观推理，探索精细化需求理解与大小模型协同的高效系统设计。\n4、Skill 体系与模型优化：探索 Skill 的表示、调度与自进化机制；推进 Agentic RL、自适应推理等模型训练与调优工作。\n5、智能服务新范式：建立 C 端个人 Agent 与 B 端服务 Agent 的连接，研究智能体架构优化、推理成本控制与长期记忆提升。\n\n岗位基本要求\n1、有好奇心，敢想敢做，学习能力强，能在复杂问题的深度思考与拆解能力；\n2、掌握基本的LLM训练和应用范式；\n3、顶会论文（ACL/EMNLP/NeurIPS/ICLR/KDD 等）、开源贡献或算法竞赛成果突出者优先；\n4、有OpenClaw、Claude code深度使用经验与产出优先；\n5、熟悉Agentic RL者优先；\n6、在 GitHub 上拥有高 Star 的 AI 原生项目，或曾向 OpenClaw/OpenCode 等主流 Agent 框架提交过核心 PR。\n（base北京或上海）\n简介：探索下一代 Agent-Native 基础设施。方向覆盖数据计算与商业分析、精准营销与广告投放、个人助理与智能服务三大场景，致力于用 AI Agent 重构人与数据、人与服务的交互方式。\n【技术方向】\n1、DataAgent 核心基建：攻坚复杂长周期任务的调度架构，解决大规模数据流转下的上下文治理、长期记忆与状态流控难题。\n2、BA 场景工具链：构建高扩展性数据处理 Skill 体系与安全高效的代码执行沙盒，支持 Agent 智能调度高并发数据流处理工具。\n3、精准营销 Agent：基于海量用户行为数据的宏观统计与微观推理，探索精细化需求理解与大小模型协同的高效系统设计。\n4、Skill 体系与模型优化：探索 Skill 的表示、调度与自进化机制；推进 Agentic RL、自适应推理等模型训练与调优工作。\n5、智能服务新范式：建立 C 端个人 Agent 与 B 端服务 Agent 的连接，研究智能体架构优化、推理成本控制与长期记忆提升。\n1、有好奇心，敢想敢做，学习能力强，能在复杂问题的深度思考与拆解能力；\n2、掌握基本的LLM训练和应用范式；\n3、顶会论文（ACL/EMNLP/NeurIPS/ICLR/KDD 等）、开源贡献或算法竞赛成果突出者优先；\n4、有OpenClaw、Claude code深度使用经验与产出优先；\n5、熟悉Agentic RL者优先；\n6、在 GitHub 上拥有高 Star 的 AI 原生项目，或曾向 OpenClaw/OpenCode 等主流 Agent 框架提交过核心 PR。\n（base北京或上海）",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}