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": "智能体（Agent）算法工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-基础研发平台",
"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": "（1）智能体系统全链路研发：负责微信生态下生活服务Agent系统全链路设计与研发，从Agent Harness、上下文治理、工具调用、长程规划到自我纠错，构建具备自主决策与动态规划能力的端到端智能系统。\n\n（2）Agent核心算法与后训练：主导SFT/DPO/GRPO等后训练方法在生活服务场景落地，持续提升Agent在工具调用、协作推理、多目标决策上的表现，覆盖数据、评测、架构、模型全流程。\n\n（3）业务场景规模化落地：深度融合微信Agent+美团多业务场景，与产品、工程、业务团队紧密协作，推动Agent技术在本地生活服务场景规模化应用。\n\n（4）评估体系与数据飞轮：构建多维度Agent评估体系，基于线上真实反馈打通评测—数据—训练闭环，持续拉高Agent在效果、规模、推理速度等关键指标上的天花板。\n\n（5）前沿方向探索：追踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿课题，拓展智能体系统能力边界。",
"requirements_text": "（1）有好奇心，敢想敢做，责任心强。\n\n（2）对AI搜索、LLM后训练、Agent决策有深入了解。\n\n（3）有Agent系统或对话系统完整项目经验，能把控技术方案与项目进度。\n\n（4）有OpenClaw/Claude Code/Codex深度使用经验与产出优先。\n\n（5）熟悉Agentic RL、Tool-Use训练、Reward Model设计者优先。\n\n（6）GitHub高Star、AI原生项目或向OpenClaw/OpenCode提交过核心PR者优先。",
"skills": [AI生成
"智能体开发"
],
"preferred_qualifications": "（4）有OpenClaw/Claude Code/Codex深度使用经验与产出优先；（5）熟悉Agentic RL、Tool-Use训练、Reward Model设计者优先；（6）GitHub高Star、AI原生项目或向OpenClaw/OpenCode提交过核心PR者优先",
"job_highlights": "（1）与微信深度合作：作为微信Agent首批深度合作试点团队，深度建设生活服务Agent能力，有机会触达微信海量用户。\n\n（2）不看职级论英雄：优秀同学可直接承担方向主R。\n\n（3）To A新范式：除了服务消费者（To C）和商家（To B），服务AI Agent（To A）正在成为新的核心命题——让Agent替用户完成生活服务的决策与执行，这是行业级的新机会。\n\n（4）场景稀缺性：美团生活服务是Agent天然落地场景——高频刚需、决策链路长、工具调用密集、多目标博弈，配合海量真实数据，构成极高的场景+数"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4556168293&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4556168293",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4556168293&jobShareType=1"
},
"fulltext": "智能体（Agent）算法工程师\n智能体（Agent）算法工程师\n\n基础信息\n工作地点：北京市\n部门：核心本地商业-基础研发平台\n职位类别：技术类\n职位族群：算法\n更新时间：2026-09-07\n\n岗位职责\n（1）智能体系统全链路研发：负责微信生态下生活服务Agent系统全链路设计与研发，从Agent Harness、上下文治理、工具调用、长程规划到自我纠错，构建具备自主决策与动态规划能力的端到端智能系统。\n\n（2）Agent核心算法与后训练：主导SFT/DPO/GRPO等后训练方法在生活服务场景落地，持续提升Agent在工具调用、协作推理、多目标决策上的表现，覆盖数据、评测、架构、模型全流程。\n\n（3）业务场景规模化落地：深度融合微信Agent+美团多业务场景，与产品、工程、业务团队紧密协作，推动Agent技术在本地生活服务场景规模化应用。\n\n（4）评估体系与数据飞轮：构建多维度Agent评估体系，基于线上真实反馈打通评测—数据—训练闭环，持续拉高Agent在效果、规模、推理速度等关键指标上的天花板。\n\n（5）前沿方向探索：追踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿课题，拓展智能体系统能力边界。\n\n岗位基本要求\n（1）有好奇心，敢想敢做，责任心强。\n\n（2）对AI搜索、LLM后训练、Agent决策有深入了解。\n\n（3）有Agent系统或对话系统完整项目经验，能把控技术方案与项目进度。\n\n（4）有OpenClaw/Claude Code/Codex深度使用经验与产出优先。\n\n（5）熟悉Agentic RL、Tool-Use训练、Reward Model设计者优先。\n\n（6）GitHub高Star、AI原生项目或向OpenClaw/OpenCode提交过核心PR者优先。\n\n岗位亮点\n（1）与微信深度合作：作为微信Agent首批深度合作试点团队，深度建设生活服务Agent能力，有机会触达微信海量用户。\n\n（2）不看职级论英雄：优秀同学可直接承担方向主R。\n\n（3）To A新范式：除了服务消费者（To C）和商家（To B），服务AI Agent（To A）正在成为新的核心命题——让Agent替用户完成生活服务的决策与执行，这是行业级的新机会。\n\n（4）场景稀缺性：美团生活服务是Agent天然落地场景——高频刚需、决策链路长、工具调用密集、多目标博弈，配合海量真实数据，构成极高的场景+数据壁垒。\n\n（5）充足资源与AI-Native文化：GPU集群+Token供给充足，团队全面拥抱AI工具，把\"用AI加速应用\"本身当作课题，落地效率远高于传统模式。\n\n（6）团队技术积累扎实：Agent项目内部评比中突出，26年上半年团队在ICML/ICLR/ACL/CVPR等顶会发表论文9篇，获CVPR2026计算透明奖。\n（1）智能体系统全链路研发：负责微信生态下生活服务Agent系统全链路设计与研发，从Agent Harness、上下文治理、工具调用、长程规划到自我纠错，构建具备自主决策与动态规划能力的端到端智能系统。\n\n（2）Agent核心算法与后训练：主导SFT/DPO/GRPO等后训练方法在生活服务场景落地，持续提升Agent在工具调用、协作推理、多目标决策上的表现，覆盖数据、评测、架构、模型全流程。\n\n（3）业务场景规模化落地：深度融合微信Agent+美团多业务场景，与产品、工程、业务团队紧密协作，推动Agent技术在本地生活服务场景规模化应用。\n\n（4）评估体系与数据飞轮：构建多维度Agent评估体系，基于线上真实反馈打通评测—数据—训练闭环，持续拉高Agent在效果、规模、推理速度等关键指标上的天花板。\n\n（5）前沿方向探索：追踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿课题，拓展智能体系统能力边界。\n（1）有好奇心，敢想敢做，责任心强。\n\n（2）对AI搜索、LLM后训练、Agent决策有深入了解。\n\n（3）有Agent系统或对话系统完整项目经验，能把控技术方案与项目进度。\n\n（4）有OpenClaw/Claude Code/Codex深度使用经验与产出优先。\n\n（5）熟悉Agentic RL、Tool-Use训练、Reward Model设计者优先。\n\n（6）GitHub高Star、AI原生项目或向OpenClaw/OpenCode提交过核心PR者优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}