主分类：Agent系统开发
辅助：大模型与生成式算法研发（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": "AI 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-业务研发平台",
"location": "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": "（1）本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "（1）商家Agent全链路算法优化：负责商家Agent系统的算法设计与持续优化，覆盖意图理解、任务规划、上下文治理、记忆机制、长程规划等核心环节，构建具备自主决策与动态规划能力的端到端智能系统。\n（2）Agent Harness优化：主导Agent Harness的设计与迭代，包括系统提示词与指令体系、上下文窗口管理、工具集编排、多轮交互管理、反思与纠错机制等，系统性提升Agent在复杂经营任务上的任务成功率与执行效率。\n（3）领域模型后训练：主导SFT/DPO/RLHF/GRPO等后训练方法在商家经营场景的落地，包括领域指令数据与偏好数据构造、奖励设计、训练与评测全流程，持续提升模型对商家经营领域知识的理解、生成与决策能力。\n（4）商家经营知识挖掘：面向装修、商品、经营分析等场景，从内外部知识库、商家行为数据、经营数据、交易数据等海量数据中挖掘经营知识与领域规则，构建可持续更新的商家经营知识库，增强Agent的领域专业性与回答可靠性。\n（5）评测能力建设：构建多维度、科学、高置信度的Agent评测体系，覆盖任务成功率、工具调用准确率、业务流程完成率、回答质量、稳定性、成本与延迟等指标，建设自动化评测与数据飞轮，基于线上真实反馈打通\"评测—数据—训练\"闭环。\n（6）业务落地与前沿探索：与工程、产品等团队紧密协作，将算法能力产品化、平台化，支撑商家经营助手持续迭代；跟踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿方向，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；\n（2）具备扎实的算法理论基础，熟悉机器学习/深度学习/NLP，掌握Transformer、Embedding、向量检索、生成式模型等基本原理，熟悉主流大模型及其技术范式；\n（3）对LLM应用有深入理解与实践经验，理解RAG、Prompt Engineering、Function Calling、Agent Planning、Tool Use等技术机制，有Agent系统或对话系统完整项目经验者优先；\n（4）熟悉Python，熟练使用PyTorch/Transformers/vLLM等常见工具或框架；有大模型后训练（SFT/DPO/RLHF等）实战经验者优先；\n（5）具备较强的实验设计与问题分析能力，能够通过数据、评测和实验定位模型效果问题，并在算法效果、工程复杂度、推理成本和业务收益之间做合理权衡；\n（6）有好奇心，敢想敢做，责任心强；具备较强的团队协作与沟通能力，有较强的学习能力和业务分析及问题解决能力。",
"skills": [AI生成
"Python",
"PyTorch",
"机器学习",
"深度学习",
"自然语言处理",
"团队协作",
"沟通能力",
"学习能力",
"分析能力",
"大语言模型"
],
"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；（3）对LLM应用有深入理解与实践经验，理解RAG、Prompt Engineering、Function Calling、Agent Planning、Tool Use等技术机制，有Agent系统或对话系统完整项目经验者优先；有大模型后训练（SFT/DPO/RLHF等）实战经验者优先",
"job_highlights": "（1）Agent真实落地场景：商家经营是Agent天然的高价值落地场景——高频刚需、决策链路长、工具调用密集、多目标博弈，配合海量真实商家数据，构成极高的场景与数据壁垒，算法效果与业务收益强挂钩；\n（2）全栈技术闭环：覆盖Agent Harness、领域模型后训练、知识挖掘、评测体系的完整算法链路，从数据、评测、架构到模型全流程，快速成长为Agent领域技术专家；\n（3）个人成长空间大：优秀同学科可任算法主R，与业界一流团队并肩前行，参与前沿技术与业务的双重探索，获得快速成长与能力提升机会。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4706679243&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4706679243",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4706679243&jobShareType=1"
},
"fulltext": "AI Agent算法工程师\nAI Agent算法工程师\n\n基础信息\n工作地点：上海市\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：算法\n更新时间：2026-09-07\n\n岗位职责\n（1）商家Agent全链路算法优化：负责商家Agent系统的算法设计与持续优化，覆盖意图理解、任务规划、上下文治理、记忆机制、长程规划等核心环节，构建具备自主决策与动态规划能力的端到端智能系统。\n（2）Agent Harness优化：主导Agent Harness的设计与迭代，包括系统提示词与指令体系、上下文窗口管理、工具集编排、多轮交互管理、反思与纠错机制等，系统性提升Agent在复杂经营任务上的任务成功率与执行效率。\n（3）领域模型后训练：主导SFT/DPO/RLHF/GRPO等后训练方法在商家经营场景的落地，包括领域指令数据与偏好数据构造、奖励设计、训练与评测全流程，持续提升模型对商家经营领域知识的理解、生成与决策能力。\n（4）商家经营知识挖掘：面向装修、商品、经营分析等场景，从内外部知识库、商家行为数据、经营数据、交易数据等海量数据中挖掘经营知识与领域规则，构建可持续更新的商家经营知识库，增强Agent的领域专业性与回答可靠性。\n（5）评测能力建设：构建多维度、科学、高置信度的Agent评测体系，覆盖任务成功率、工具调用准确率、业务流程完成率、回答质量、稳定性、成本与延迟等指标，建设自动化评测与数据飞轮，基于线上真实反馈打通\"评测—数据—训练\"闭环。\n（6）业务落地与前沿探索：与工程、产品等团队紧密协作，将算法能力产品化、平台化，支撑商家经营助手持续迭代；跟踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿方向，推动可落地的技术转化。\n\n岗位基本要求\n（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；\n（2）具备扎实的算法理论基础，熟悉机器学习/深度学习/NLP，掌握Transformer、Embedding、向量检索、生成式模型等基本原理，熟悉主流大模型及其技术范式；\n（3）对LLM应用有深入理解与实践经验，理解RAG、Prompt Engineering、Function Calling、Agent Planning、Tool Use等技术机制，有Agent系统或对话系统完整项目经验者优先；\n（4）熟悉Python，熟练使用PyTorch/Transformers/vLLM等常见工具或框架；有大模型后训练（SFT/DPO/RLHF等）实战经验者优先；\n（5）具备较强的实验设计与问题分析能力，能够通过数据、评测和实验定位模型效果问题，并在算法效果、工程复杂度、推理成本和业务收益之间做合理权衡；\n（6）有好奇心，敢想敢做，责任心强；具备较强的团队协作与沟通能力，有较强的学习能力和业务分析及问题解决能力。\n\n岗位亮点\n（1）Agent真实落地场景：商家经营是Agent天然的高价值落地场景——高频刚需、决策链路长、工具调用密集、多目标博弈，配合海量真实商家数据，构成极高的场景与数据壁垒，算法效果与业务收益强挂钩；\n（2）全栈技术闭环：覆盖Agent Harness、领域模型后训练、知识挖掘、评测体系的完整算法链路，从数据、评测、架构到模型全流程，快速成长为Agent领域技术专家；\n（3）个人成长空间大：优秀同学科可任算法主R，与业界一流团队并肩前行，参与前沿技术与业务的双重探索，获得快速成长与能力提升机会。\n（1）商家Agent全链路算法优化：负责商家Agent系统的算法设计与持续优化，覆盖意图理解、任务规划、上下文治理、记忆机制、长程规划等核心环节，构建具备自主决策与动态规划能力的端到端智能系统。\n（2）Agent Harness优化：主导Agent Harness的设计与迭代，包括系统提示词与指令体系、上下文窗口管理、工具集编排、多轮交互管理、反思与纠错机制等，系统性提升Agent在复杂经营任务上的任务成功率与执行效率。\n（3）领域模型后训练：主导SFT/DPO/RLHF/GRPO等后训练方法在商家经营场景的落地，包括领域指令数据与偏好数据构造、奖励设计、训练与评测全流程，持续提升模型对商家经营领域知识的理解、生成与决策能力。\n（4）商家经营知识挖掘：面向装修、商品、经营分析等场景，从内外部知识库、商家行为数据、经营数据、交易数据等海量数据中挖掘经营知识与领域规则，构建可持续更新的商家经营知识库，增强Agent的领域专业性与回答可靠性。\n（5）评测能力建设：构建多维度、科学、高置信度的Agent评测体系，覆盖任务成功率、工具调用准确率、业务流程完成率、回答质量、稳定性、成本与延迟等指标，建设自动化评测与数据飞轮，基于线上真实反馈打通\"评测—数据—训练\"闭环。\n（6）业务落地与前沿探索：与工程、产品等团队紧密协作，将算法能力产品化、平台化，支撑商家经营助手持续迭代；跟踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿方向，推动可落地的技术转化。\n（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；\n（2）具备扎实的算法理论基础，熟悉机器学习/深度学习/NLP，掌握Transformer、Embedding、向量检索、生成式模型等基本原理，熟悉主流大模型及其技术范式；\n（3）对LLM应用有深入理解与实践经验，理解RAG、Prompt Engineering、Function Calling、Agent Planning、Tool Use等技术机制，有Agent系统或对话系统完整项目经验者优先；\n（4）熟悉Python，熟练使用PyTorch/Transformers/vLLM等常见工具或框架；有大模型后训练（SFT/DPO/RLHF等）实战经验者优先；\n（5）具备较强的实验设计与问题分析能力，能够通过数据、评测和实验定位模型效果问题，并在算法效果、工程复杂度、推理成本和业务收益之间做合理权衡；\n（6）有好奇心，敢想敢做，责任心强；具备较强的团队协作与沟通能力，有较强的学习能力和业务分析及问题解决能力。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}