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": "点评技术-AI Agent开发工程师",
"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": "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": 5,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位概述\n负责点评业务质量保障体系中AI Agent的技术设计与开发，聚焦验收评测环节，将传统测试工具能力升级为智能化Agent形态，提升测试验证的自动化覆盖率和智能化水平。\n\n1.面向验收评测的 Agent 体系设计\n-深入理解点评各业务线（基础、POI、搜推等）的测试流程、验收标准和质量痛点；\n-设计和建设统一的测试 Agent 基础设施，将评测工具、验收工具、巡检工具等存量能力升级为可自主规划、自主执行的 Agent 形态；\n-推动测试模式从「人驱动工具」向「Agent 驱动测试」转变，覆盖用例理解、环境准备、执行操控、结果判定的全链路。\n\n2.智能评测与结果判定能力建设\n-建设基于 LLM/VLM 的智能判定能力，覆盖意图识别、结果判定、异常检测、标签生成等评测核心环节；\n-设计评测驱动的迭代流程：集中评测发现 badcase → 针对性优化 → 效果回归验证，形成质量能力的持续进化闭环；\n-通过工程 Judge、规则引擎等手段治理模型幻觉和误判，保证判定结果的可信度和稳定性。\n\n3. 知识库与数据体系建设\n-沉淀业务质量知识库：Bug 模式、判定标准、页面结构、业务规则等，为 Agent 提供可依赖的领域知识；\n-建设面向 Agent 友好的测试数据和环境管理能力，支持低成本的用例构造与回放；\n-保证知识无过时、冲突、冗余，构建知识生产-消费-反馈的自动化闭环。\n\n4. 模型评测与效果度量\n-建立覆盖准确性、稳定性、成本、耗时的多维度评测指标体系，量化 Agent 化改造的业务价值；\n-周期性进行 SOTA 模型（LLM/VLM）评测，根据测试场景选择高性价比模型；\n-跟踪业界 AI 验证自动化方向的前沿实践，评估并引入适合点评场景的技术能力。",
"requirements_text": "基本要求：\n1. 本科及以上学历，计算机、软件工程、人工智能或相关专业，具备5年及以上软件开发、测试开发、质量工程或AI应用工程经验。\n2. 具备扎实的全栈或服务端工程能力，熟练掌握Python、Java、JavaScript/TypeScript、Go等至少一种编程语言，能够独立完成AI应用、自动化工具、服务或平台能力的设计与开发。\n3. 理解大语言模型、Prompt、RAG、Agent、Tool Calling、MCP等AI应用基本原理，具备Agent或AI应用的开发、集成和落地经验。\n4. 熟悉软件测试理论与质量保障体系，具备接口、服务端、Web或客户端自动化测试经验，理解CI/CD、质量门禁、可观测性及持续交付实践。\n5. 能围绕模型效果、任务成功、稳定性、安全性和成本设计评测方案，并通过数据驱动产品、模型和工程链路的持续优化。\n6. 具备优秀的业务理解、抽象分析与跨团队协作能力，能够将复杂业务目标转化为清晰的技术方案、验收规则、评测数据和自动化验证方案。\n加分项：\n1. 有LLM应用、Agent、RAG或多模态产品的开发、测试、评测、调优或上线保障经验。\n2. 有AI应用平台、AI评测平台、测试平台、质量中台、数据集、Benchmark或A/B实验平台建设经验。\n3. 有Prompt工程、模型输出评估、幻觉检测、安全测试或AI治理相关经验。",
"skills": [AI生成
"Python",
"JavaScript",
"TypeScript",
"Java",
"自动化测试",
"软件测试",
"测试开发",
"团队协作",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项：",
"job_highlights": "1. 直接参与点评核心业务AI能力的建设与可信交付，覆盖从业务场景识别、AI应用构建到评测验证、生产发布和持续迭代的完整链路。\n2. 与产品、研发、算法和运营团队高频协同，在真实业务规模和复杂用户场景下探索Agent工程、AI验证自动化和评测驱动的AI应用生产方法。\n3. 团队支持技术自主决策和快速迭代，可沉淀可复用的Agent能力、评测资产、质量门禁及AI-SDLC工程方法论。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4728217671&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4728217671",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4728217671&jobShareType=1"
},
"fulltext": "点评技术-AI Agent开发工程师\n点评技术-AI Agent开发工程师\n\n基础信息\n工作地点：北京市 / 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：软件\n更新时间：2026-08-31\n\n岗位职责\n岗位概述\n负责点评业务质量保障体系中AI Agent的技术设计与开发，聚焦验收评测环节，将传统测试工具能力升级为智能化Agent形态，提升测试验证的自动化覆盖率和智能化水平。\n\n1.面向验收评测的 Agent 体系设计\n-深入理解点评各业务线（基础、POI、搜推等）的测试流程、验收标准和质量痛点；\n-设计和建设统一的测试 Agent 基础设施，将评测工具、验收工具、巡检工具等存量能力升级为可自主规划、自主执行的 Agent 形态；\n-推动测试模式从「人驱动工具」向「Agent 驱动测试」转变，覆盖用例理解、环境准备、执行操控、结果判定的全链路。\n\n2.智能评测与结果判定能力建设\n-建设基于 LLM/VLM 的智能判定能力，覆盖意图识别、结果判定、异常检测、标签生成等评测核心环节；\n-设计评测驱动的迭代流程：集中评测发现 badcase → 针对性优化 → 效果回归验证，形成质量能力的持续进化闭环；\n-通过工程 Judge、规则引擎等手段治理模型幻觉和误判，保证判定结果的可信度和稳定性。\n\n3. 知识库与数据体系建设\n-沉淀业务质量知识库：Bug 模式、判定标准、页面结构、业务规则等，为 Agent 提供可依赖的领域知识；\n-建设面向 Agent 友好的测试数据和环境管理能力，支持低成本的用例构造与回放；\n-保证知识无过时、冲突、冗余，构建知识生产-消费-反馈的自动化闭环。\n\n4. 模型评测与效果度量\n-建立覆盖准确性、稳定性、成本、耗时的多维度评测指标体系，量化 Agent 化改造的业务价值；\n-周期性进行 SOTA 模型（LLM/VLM）评测，根据测试场景选择高性价比模型；\n-跟踪业界 AI 验证自动化方向的前沿实践，评估并引入适合点评场景的技术能力。\n\n岗位基本要求\n基本要求：\n1. 本科及以上学历，计算机、软件工程、人工智能或相关专业，具备5年及以上软件开发、测试开发、质量工程或AI应用工程经验。\n2. 具备扎实的全栈或服务端工程能力，熟练掌握Python、Java、JavaScript/TypeScript、Go等至少一种编程语言，能够独立完成AI应用、自动化工具、服务或平台能力的设计与开发。\n3. 理解大语言模型、Prompt、RAG、Agent、Tool Calling、MCP等AI应用基本原理，具备Agent或AI应用的开发、集成和落地经验。\n4. 熟悉软件测试理论与质量保障体系，具备接口、服务端、Web或客户端自动化测试经验，理解CI/CD、质量门禁、可观测性及持续交付实践。\n5. 能围绕模型效果、任务成功、稳定性、安全性和成本设计评测方案，并通过数据驱动产品、模型和工程链路的持续优化。\n6. 具备优秀的业务理解、抽象分析与跨团队协作能力，能够将复杂业务目标转化为清晰的技术方案、验收规则、评测数据和自动化验证方案。\n加分项：\n1. 有LLM应用、Agent、RAG或多模态产品的开发、测试、评测、调优或上线保障经验。\n2. 有AI应用平台、AI评测平台、测试平台、质量中台、数据集、Benchmark或A/B实验平台建设经验。\n3. 有Prompt工程、模型输出评估、幻觉检测、安全测试或AI治理相关经验。\n\n岗位亮点\n1. 直接参与点评核心业务AI能力的建设与可信交付，覆盖从业务场景识别、AI应用构建到评测验证、生产发布和持续迭代的完整链路。\n2. 与产品、研发、算法和运营团队高频协同，在真实业务规模和复杂用户场景下探索Agent工程、AI验证自动化和评测驱动的AI应用生产方法。\n3. 团队支持技术自主决策和快速迭代，可沉淀可复用的Agent能力、评测资产、质量门禁及AI-SDLC工程方法论。\n岗位概述\n负责点评业务质量保障体系中AI Agent的技术设计与开发，聚焦验收评测环节，将传统测试工具能力升级为智能化Agent形态，提升测试验证的自动化覆盖率和智能化水平。\n\n1.面向验收评测的 Agent 体系设计\n-深入理解点评各业务线（基础、POI、搜推等）的测试流程、验收标准和质量痛点；\n-设计和建设统一的测试 Agent 基础设施，将评测工具、验收工具、巡检工具等存量能力升级为可自主规划、自主执行的 Agent 形态；\n-推动测试模式从「人驱动工具」向「Agent 驱动测试」转变，覆盖用例理解、环境准备、执行操控、结果判定的全链路。\n\n2.智能评测与结果判定能力建设\n-建设基于 LLM/VLM 的智能判定能力，覆盖意图识别、结果判定、异常检测、标签生成等评测核心环节；\n-设计评测驱动的迭代流程：集中评测发现 badcase → 针对性优化 → 效果回归验证，形成质量能力的持续进化闭环；\n-通过工程 Judge、规则引擎等手段治理模型幻觉和误判，保证判定结果的可信度和稳定性。\n\n3. 知识库与数据体系建设\n-沉淀业务质量知识库：Bug 模式、判定标准、页面结构、业务规则等，为 Agent 提供可依赖的领域知识；\n-建设面向 Agent 友好的测试数据和环境管理能力，支持低成本的用例构造与回放；\n-保证知识无过时、冲突、冗余，构建知识生产-消费-反馈的自动化闭环。\n\n4. 模型评测与效果度量\n-建立覆盖准确性、稳定性、成本、耗时的多维度评测指标体系，量化 Agent 化改造的业务价值；\n-周期性进行 SOTA 模型（LLM/VLM）评测，根据测试场景选择高性价比模型；\n-跟踪业界 AI 验证自动化方向的前沿实践，评估并引入适合点评场景的技术能力。\n基本要求：\n1. 本科及以上学历，计算机、软件工程、人工智能或相关专业，具备5年及以上软件开发、测试开发、质量工程或AI应用工程经验。\n2. 具备扎实的全栈或服务端工程能力，熟练掌握Python、Java、JavaScript/TypeScript、Go等至少一种编程语言，能够独立完成AI应用、自动化工具、服务或平台能力的设计与开发。\n3. 理解大语言模型、Prompt、RAG、Agent、Tool Calling、MCP等AI应用基本原理，具备Agent或AI应用的开发、集成和落地经验。\n4. 熟悉软件测试理论与质量保障体系，具备接口、服务端、Web或客户端自动化测试经验，理解CI/CD、质量门禁、可观测性及持续交付实践。\n5. 能围绕模型效果、任务成功、稳定性、安全性和成本设计评测方案，并通过数据驱动产品、模型和工程链路的持续优化。\n6. 具备优秀的业务理解、抽象分析与跨团队协作能力，能够将复杂业务目标转化为清晰的技术方案、验收规则、评测数据和自动化验证方案。\n加分项：\n1. 有LLM应用、Agent、RAG或多模态产品的开发、测试、评测、调优或上线保障经验。\n2. 有AI应用平台、AI评测平台、测试平台、质量中台、数据集、Benchmark或A/B实验平台建设经验。\n3. 有Prompt工程、模型输出评估、幻觉检测、安全测试或AI治理相关经验。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}