主分类：Agent系统开发
辅助：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": "算法工程师｜LLM / AI Agent 方向",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "软硬件服务-软件研发部",
"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": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责商家 B 端场景下 LLM 与 AI Agent 相关算法能力建设，包括意图理解、任务规划、工具选择、上下文管理、记忆机制、多轮对话和多 Agent 协作等。\n2. 面向商家经营、商品管理、营销运营、订单履约、客服售后、经营分析等业务场景，设计并优化 RAG、Text-to-SQL、知识问答、智能决策、自动化任务执行等算法方案。\n3. 负责大模型应用效果优化，包括 Prompt 策略、检索召回、重排、评测体系、数据构造、模型微调和推理优化，提升商家 AI 应用的准确性、可用性和稳定性。\n4. 建设面向商家 Agent 的评测体系，覆盖任务成功率、幻觉率、工具调用准确率、业务流程完成率、回答质量、稳定性、成本和延迟等指标。\n5. 与工程、产品、商家运营、客服、销售等团队协作，将算法能力产品化、平台化，支撑商家经营助手、客服助手、营销助手、商品助手、数据分析助手等应用持续迭代。\n6. 跟踪 LLM、Agent、RAG、推理增强、模型微调、多模态等方向前沿进展，并结合商家 B 端实际场景推动可落地的技术转化。",
"requirements_text": "1. 本科及以上学历，计算机、人工智能、机器学习、自然语言处理等相关专业优先。\n2. 熟悉机器学习 / 深度学习 / NLP 基础，掌握 Transformer、Embedding、向量检索、生成式模型等基本原理。\n3. 熟悉 Python，熟练使用 PyTorch / Transformers / vLLM / sentence-transformers / faiss 等常见工具或框架。\n4. 对 LLM 应用有实践经验，理解 RAG、Prompt Engineering、Function Calling、Agent Planning、Tool Use 等技术机制。\n5. 具备较强的实验设计和问题分析能力，能够通过数据、评测和实验定位模型效果问题。\n6. 能够在算法效果、工程复杂度、推理成本和业务收益之间做合理权衡。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"自然语言处理",
"分析能力",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "1. 本科及以上学历，计算机、人工智能、机器学习、自然语言处理等相关专业优先",
"job_highlights": "1. 面向商家 B 端真实经营场景落地 LLM / AI Agent 能力，覆盖商品、营销、履约、客服、数据分析等核心业务链路。\n不停留在 Demo，直接解决商家高频、复杂、可量化的业务问题，如经营诊断、智能客服、商品优化、营销策略生成、数据问答、自动化运营等。\n2. 有机会建设商家场景下的 Agent 算法基础能力，包括任务规划、工具选择、上下文管理、多轮交互、业务知识理解、复杂任务拆解和自动评测。\n3. 场景数据丰富，能基于商家行为、经营数据、商品数据、交易数据、客服会话等反馈持续优化模型效果。\n4."
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4592562550&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4592562550",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4592562550&jobShareType=1"
},
"fulltext": "算法工程师｜LLM / AI Agent 方向\n算法工程师｜LLM / AI Agent 方向\n\n基础信息\n工作地点：北京市\n部门：软硬件服务-软件研发部\n职位类别：技术类\n职位族群：算法\n更新时间：2026-09-16\n\n岗位职责\n1. 负责商家 B 端场景下 LLM 与 AI Agent 相关算法能力建设，包括意图理解、任务规划、工具选择、上下文管理、记忆机制、多轮对话和多 Agent 协作等。\n2. 面向商家经营、商品管理、营销运营、订单履约、客服售后、经营分析等业务场景，设计并优化 RAG、Text-to-SQL、知识问答、智能决策、自动化任务执行等算法方案。\n3. 负责大模型应用效果优化，包括 Prompt 策略、检索召回、重排、评测体系、数据构造、模型微调和推理优化，提升商家 AI 应用的准确性、可用性和稳定性。\n4. 建设面向商家 Agent 的评测体系，覆盖任务成功率、幻觉率、工具调用准确率、业务流程完成率、回答质量、稳定性、成本和延迟等指标。\n5. 与工程、产品、商家运营、客服、销售等团队协作，将算法能力产品化、平台化，支撑商家经营助手、客服助手、营销助手、商品助手、数据分析助手等应用持续迭代。\n6. 跟踪 LLM、Agent、RAG、推理增强、模型微调、多模态等方向前沿进展，并结合商家 B 端实际场景推动可落地的技术转化。\n\n岗位基本要求\n1. 本科及以上学历，计算机、人工智能、机器学习、自然语言处理等相关专业优先。\n2. 熟悉机器学习 / 深度学习 / NLP 基础，掌握 Transformer、Embedding、向量检索、生成式模型等基本原理。\n3. 熟悉 Python，熟练使用 PyTorch / Transformers / vLLM / sentence-transformers / faiss 等常见工具或框架。\n4. 对 LLM 应用有实践经验，理解 RAG、Prompt Engineering、Function Calling、Agent Planning、Tool Use 等技术机制。\n5. 具备较强的实验设计和问题分析能力，能够通过数据、评测和实验定位模型效果问题。\n6. 能够在算法效果、工程复杂度、推理成本和业务收益之间做合理权衡。\n\n岗位亮点\n1. 面向商家 B 端真实经营场景落地 LLM / AI Agent 能力，覆盖商品、营销、履约、客服、数据分析等核心业务链路。\n不停留在 Demo，直接解决商家高频、复杂、可量化的业务问题，如经营诊断、智能客服、商品优化、营销策略生成、数据问答、自动化运营等。\n2. 有机会建设商家场景下的 Agent 算法基础能力，包括任务规划、工具选择、上下文管理、多轮交互、业务知识理解、复杂任务拆解和自动评测。\n3. 场景数据丰富，能基于商家行为、经营数据、商品数据、交易数据、客服会话等反馈持续优化模型效果。\n4. 与工程、产品、商家运营、客服、销售等团队深度协作，推动算法能力真正产品化、平台化，形成可规模化复用的商家 AI 能力。\n1. 负责商家 B 端场景下 LLM 与 AI Agent 相关算法能力建设，包括意图理解、任务规划、工具选择、上下文管理、记忆机制、多轮对话和多 Agent 协作等。\n2. 面向商家经营、商品管理、营销运营、订单履约、客服售后、经营分析等业务场景，设计并优化 RAG、Text-to-SQL、知识问答、智能决策、自动化任务执行等算法方案。\n3. 负责大模型应用效果优化，包括 Prompt 策略、检索召回、重排、评测体系、数据构造、模型微调和推理优化，提升商家 AI 应用的准确性、可用性和稳定性。\n4. 建设面向商家 Agent 的评测体系，覆盖任务成功率、幻觉率、工具调用准确率、业务流程完成率、回答质量、稳定性、成本和延迟等指标。\n5. 与工程、产品、商家运营、客服、销售等团队协作，将算法能力产品化、平台化，支撑商家经营助手、客服助手、营销助手、商品助手、数据分析助手等应用持续迭代。\n6. 跟踪 LLM、Agent、RAG、推理增强、模型微调、多模态等方向前沿进展，并结合商家 B 端实际场景推动可落地的技术转化。\n1. 本科及以上学历，计算机、人工智能、机器学习、自然语言处理等相关专业优先。\n2. 熟悉机器学习 / 深度学习 / NLP 基础，掌握 Transformer、Embedding、向量检索、生成式模型等基本原理。\n3. 熟悉 Python，熟练使用 PyTorch / Transformers / vLLM / sentence-transformers / faiss 等常见工具或框架。\n4. 对 LLM 应用有实践经验，理解 RAG、Prompt Engineering、Function Calling、Agent Planning、Tool Use 等技术机制。\n5. 具备较强的实验设计和问题分析能力，能够通过数据、评测和实验定位模型效果问题。\n6. 能够在算法效果、工程复杂度、推理成本和业务收益之间做合理权衡。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}