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": "【北斗】Agent 系统研发工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"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": "2027届计算机、人工智能、软件工程、数学等相关专业本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【愿景】\n负责面向算法研发、业务建模与系统构建场景的 AutoResearch Harness、Agent Swarm 与 AI Builder 能力建设，探索大模型驱动复杂问题分析、方案生成、实验验证和系统搭建的新范式。\n\n【你将参与】\n1.设计 AutoResearch Harness：建设任务分解、实验编排、工具调用、结果评 估、失败恢复、知识沉淀等核心模块，让 Agent 能稳定完成长程、开放式研发任务；\n2.构建 Agent Swarm 协作体系：研究多 Agent 之间的角色分工、上下文共享、协同决策、互评纠错和成本控制机制，提升复杂任务中的可靠性与可扩展性；\n3.建设上下文与记忆系 统：围绕 context compression、memory selection、状态追踪、项目知识库和跨轮学习，提升 Agent 在长链路任务中的连续性和可控性；\n4.打造 AI Builder 原型系统：面向真实业务快速交付可用工具，将自然语言需求转化为可执行流程、实验方案、分析报告或业 务系统原型，并沉淀评测闭环与工程最佳实践。",
"requirements_text": "【任职资格】\n1.2027届计算机、人工智能、软件工程、数学等相关专业本科及以上，硕士/博士优先。\n2.具备扎实的工程实现能力，熟练掌握 Python/TypeScript/Go/Java 中至少一种，能独立完成从问题定义、系统设计、原型开发到评测迭代的端到端交付。\n3.熟悉 LLM、Tool Use、 Planning、RAG/Memory、Multi-Agent、Context Engineering 等 Agent 基本机制，对 AutoResearch、AI Builder、Agent Swarm、AI Scientist/AIDE 类方向有实践或深入思考。\n4.关注 Claude Code、Codex、OpenClaw、Cursor 等工具背后的 Harness 设计，但不限于 coding 场景。\n5.自驱、动手快，能在开放问题中快速验证假设并推动落地。\n【为什么是我们】\n这里关注的是通往通用智能的 Agent 基础设施，而不是单点 Demo。你将参与 AutoResearch Harness、Agent Swarm、AI Builder、记忆与上下文系统建设，在真实业务和复杂研发场景中验证 AI 自动完成高价值任务的能力边界。",
"skills": [AI生成
"Python",
"TypeScript",
"Java",
"Go",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "1.2027届计算机、人工智能、软件工程、数学等相关专业本科及以上，硕士/博士优先",
"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=4530632100&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4530632100",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4530632100&jobShareType=1"
},
"fulltext": "【北斗】Agent 系统研发工程师\n【北斗】Agent 系统研发工程师\n\n基础信息\n工作地点：北京市\n职位类别：技术类\n职位族群：软件\n更新时间：2026-06-03\n\n岗位职责\n【愿景】\n负责面向算法研发、业务建模与系统构建场景的 AutoResearch Harness、Agent Swarm 与 AI Builder 能力建设，探索大模型驱动复杂问题分析、方案生成、实验验证和系统搭建的新范式。\n\n【你将参与】\n1.设计 AutoResearch Harness：建设任务分解、实验编排、工具调用、结果评 估、失败恢复、知识沉淀等核心模块，让 Agent 能稳定完成长程、开放式研发任务；\n2.构建 Agent Swarm 协作体系：研究多 Agent 之间的角色分工、上下文共享、协同决策、互评纠错和成本控制机制，提升复杂任务中的可靠性与可扩展性；\n3.建设上下文与记忆系 统：围绕 context compression、memory selection、状态追踪、项目知识库和跨轮学习，提升 Agent 在长链路任务中的连续性和可控性；\n4.打造 AI Builder 原型系统：面向真实业务快速交付可用工具，将自然语言需求转化为可执行流程、实验方案、分析报告或业 务系统原型，并沉淀评测闭环与工程最佳实践。\n\n岗位基本要求\n【任职资格】\n1.2027届计算机、人工智能、软件工程、数学等相关专业本科及以上，硕士/博士优先。\n2.具备扎实的工程实现能力，熟练掌握 Python/TypeScript/Go/Java 中至少一种，能独立完成从问题定义、系统设计、原型开发到评测迭代的端到端交付。\n3.熟悉 LLM、Tool Use、 Planning、RAG/Memory、Multi-Agent、Context Engineering 等 Agent 基本机制，对 AutoResearch、AI Builder、Agent Swarm、AI Scientist/AIDE 类方向有实践或深入思考。\n4.关注 Claude Code、Codex、OpenClaw、Cursor 等工具背后的 Harness 设计，但不限于 coding 场景。\n5.自驱、动手快，能在开放问题中快速验证假设并推动落地。\n【为什么是我们】\n这里关注的是通往通用智能的 Agent 基础设施，而不是单点 Demo。你将参与 AutoResearch Harness、Agent Swarm、AI Builder、记忆与上下文系统建设，在真实业务和复杂研发场景中验证 AI 自动完成高价值任务的能力边界。\n【愿景】\n负责面向算法研发、业务建模与系统构建场景的 AutoResearch Harness、Agent Swarm 与 AI Builder 能力建设，探索大模型驱动复杂问题分析、方案生成、实验验证和系统搭建的新范式。\n\n【你将参与】\n1.设计 AutoResearch Harness：建设任务分解、实验编排、工具调用、结果评 估、失败恢复、知识沉淀等核心模块，让 Agent 能稳定完成长程、开放式研发任务；\n2.构建 Agent Swarm 协作体系：研究多 Agent 之间的角色分工、上下文共享、协同决策、互评纠错和成本控制机制，提升复杂任务中的可靠性与可扩展性；\n3.建设上下文与记忆系 统：围绕 context compression、memory selection、状态追踪、项目知识库和跨轮学习，提升 Agent 在长链路任务中的连续性和可控性；\n4.打造 AI Builder 原型系统：面向真实业务快速交付可用工具，将自然语言需求转化为可执行流程、实验方案、分析报告或业 务系统原型，并沉淀评测闭环与工程最佳实践。\n【任职资格】\n1.2027届计算机、人工智能、软件工程、数学等相关专业本科及以上，硕士/博士优先。\n2.具备扎实的工程实现能力，熟练掌握 Python/TypeScript/Go/Java 中至少一种，能独立完成从问题定义、系统设计、原型开发到评测迭代的端到端交付。\n3.熟悉 LLM、Tool Use、 Planning、RAG/Memory、Multi-Agent、Context Engineering 等 Agent 基本机制，对 AutoResearch、AI Builder、Agent Swarm、AI Scientist/AIDE 类方向有实践或深入思考。\n4.关注 Claude Code、Codex、OpenClaw、Cursor 等工具背后的 Harness 设计，但不限于 coding 场景。\n5.自驱、动手快，能在开放问题中快速验证假设并推动落地。\n【为什么是我们】\n这里关注的是通往通用智能的 Agent 基础设施，而不是单点 Demo。你将参与 AutoResearch Harness、Agent Swarm、AI Builder、记忆与上下文系统建设，在真实业务和复杂研发场景中验证 AI 自动完成高价值任务的能力边界。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}