主分类：Agent系统开发
辅助：搜索推荐与业务决策算法研发（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": "履约技术-AI Agent算法工程师（运营Agent方向）",
"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",
"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. 负责运营 Agent 的设计、开发与落地，围绕骑手运营、供需诊断、骑手激励及骑手全生命周期管理等场景，构建具备任务规划、工具调用、记忆管理和自主执行能力的 Agent 系统。\n2. 负责将供需预估、因果推断、机器学习、运筹优化、强化学习等算法能力封装为 Agent 可调用的工具和技能，支持 Agent 自主完成业务分析、策略生成、效果评估与迭代优化。\n3. 负责运营 Agent 工作流及评测体系建设，持续优化上下文管理、RAG、Planning、Tool Use、Memory、Reflection post-training等能力，构建基于执行反馈、经验沉淀和策略迭代的 Agent 自进化 Loop，通过RSI持续提升Agent表现，提升系统的准确性、稳定性和业务效果。",
"requirements_text": "1. 计算机、人工智能、运筹学、数学、统计学等相关专业，具备扎实的算法基础、代码能力和系统开发能力。\n2. 熟悉大语言模型及 Agent 基本机制，理解 Agent Loop、Workflow、Planning、Tool Use、RAG、Memory、Skills、MCP 等技术，具备独立构建和落地 Agent 系统的实践经验。\n3. 在机器学习或数据挖掘方向有深入理解，在广告推荐、营销补贴、活动激励、智能定价、供需预测、因果推断、运筹优化或强化学习等至少一个方向有实际项目经验。\n4. 具备优秀的业务理解、目标拆解和跨团队协作能力，能够将复杂业务问题转化为可落地的 Agent 方案，并推动取得可量化的业务收益。",
"skills": [AI生成
"机器学习",
"强化学习",
"数据挖掘",
"团队协作",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "1. 业务核心、场景丰富。每日超过6000万单的履约业务，覆盖全国数百个城市和百万级骑手，涉及全年百亿级规模的定价与运营活动，为运营 Agent 提供业界罕见的大规模真实落地环境。\n2. 探索下一代运营范式。通过 Agent 将业务知识、运营流程与因果推断、运筹优化、强化学习等决策算法有机连接，推动运营体系从“人工分析和配置策略”升级为“Agent 自主诊断、规划、决策与执行”。\n3. 团队汇聚因果推断、运筹优化、机器学习和大模型 Agent 等不同背景的技术人才，具备丰富的业务实战经验。团队近年来已有部"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4776469194&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4776469194",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4776469194&jobShareType=1"
},
"fulltext": "履约技术-AI Agent算法工程师（运营Agent方向）\n履约技术-AI Agent算法工程师（运营Agent方向）\n\n基础信息\n工作地点：北京市\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：2026-09-15\n\n岗位职责\n1. 负责运营 Agent 的设计、开发与落地，围绕骑手运营、供需诊断、骑手激励及骑手全生命周期管理等场景，构建具备任务规划、工具调用、记忆管理和自主执行能力的 Agent 系统。\n2. 负责将供需预估、因果推断、机器学习、运筹优化、强化学习等算法能力封装为 Agent 可调用的工具和技能，支持 Agent 自主完成业务分析、策略生成、效果评估与迭代优化。\n3. 负责运营 Agent 工作流及评测体系建设，持续优化上下文管理、RAG、Planning、Tool Use、Memory、Reflection post-training等能力，构建基于执行反馈、经验沉淀和策略迭代的 Agent 自进化 Loop，通过RSI持续提升Agent表现，提升系统的准确性、稳定性和业务效果。\n\n岗位基本要求\n1. 计算机、人工智能、运筹学、数学、统计学等相关专业，具备扎实的算法基础、代码能力和系统开发能力。\n2. 熟悉大语言模型及 Agent 基本机制，理解 Agent Loop、Workflow、Planning、Tool Use、RAG、Memory、Skills、MCP 等技术，具备独立构建和落地 Agent 系统的实践经验。\n3. 在机器学习或数据挖掘方向有深入理解，在广告推荐、营销补贴、活动激励、智能定价、供需预测、因果推断、运筹优化或强化学习等至少一个方向有实际项目经验。\n4. 具备优秀的业务理解、目标拆解和跨团队协作能力，能够将复杂业务问题转化为可落地的 Agent 方案，并推动取得可量化的业务收益。\n\n岗位亮点\n1. 业务核心、场景丰富。每日超过6000万单的履约业务，覆盖全国数百个城市和百万级骑手，涉及全年百亿级规模的定价与运营活动，为运营 Agent 提供业界罕见的大规模真实落地环境。\n2. 探索下一代运营范式。通过 Agent 将业务知识、运营流程与因果推断、运筹优化、强化学习等决策算法有机连接，推动运营体系从“人工分析和配置策略”升级为“Agent 自主诊断、规划、决策与执行”。\n3. 团队汇聚因果推断、运筹优化、机器学习和大模型 Agent 等不同背景的技术人才，具备丰富的业务实战经验。团队近年来已有部分成果发表于 NeurIPS、ICML、KDD 等学术会议，并鼓励具有业务价值和技术创新性的成果沉淀与发表。\n1. 负责运营 Agent 的设计、开发与落地，围绕骑手运营、供需诊断、骑手激励及骑手全生命周期管理等场景，构建具备任务规划、工具调用、记忆管理和自主执行能力的 Agent 系统。\n2. 负责将供需预估、因果推断、机器学习、运筹优化、强化学习等算法能力封装为 Agent 可调用的工具和技能，支持 Agent 自主完成业务分析、策略生成、效果评估与迭代优化。\n3. 负责运营 Agent 工作流及评测体系建设，持续优化上下文管理、RAG、Planning、Tool Use、Memory、Reflection post-training等能力，构建基于执行反馈、经验沉淀和策略迭代的 Agent 自进化 Loop，通过RSI持续提升Agent表现，提升系统的准确性、稳定性和业务效果。\n1. 计算机、人工智能、运筹学、数学、统计学等相关专业，具备扎实的算法基础、代码能力和系统开发能力。\n2. 熟悉大语言模型及 Agent 基本机制，理解 Agent Loop、Workflow、Planning、Tool Use、RAG、Memory、Skills、MCP 等技术，具备独立构建和落地 Agent 系统的实践经验。\n3. 在机器学习或数据挖掘方向有深入理解，在广告推荐、营销补贴、活动激励、智能定价、供需预测、因果推断、运筹优化或强化学习等至少一个方向有实际项目经验。\n4. 具备优秀的业务理解、目标拆解和跨团队协作能力，能够将复杂业务问题转化为可落地的 Agent 方案，并推动取得可量化的业务收益。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T011"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}