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": "智能体算法专家（J104318）",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "PSIG",
"location": "北京市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "-计算机、人工智能、软件工程、自动化等相关专业硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-负责通用智能体核心算法的设计与优化，建设从任务理解、规划决策、工具执行、结果验证到最终交付的完整任务执行能力\n-负责用户意图与任务目标理解、多步骤任务拆解、动态规划和执行过程中的下一步决策，提升复杂长程任务的完成效果\n-建设 Tool / Skill 的召回、选择、路由和参数生成能力，优化大规模工具接入后的候选选择、上下文组织和调用准确率\n-建设智能体上下文与状态管理能力，包括任务状态、工作记忆、历史信息选择、上下文压缩、Checkpoint 和跨轮任务恢复\n-建设基于 Agent Trace 的评测与问题归因体系，分析任务理解、规划决策、工具选择、参数生成、工具执行、上下文状态和结果交付等环节的问题\n-围绕任务成功率、工具调用准确率、执行步骤数、Token 消耗、响应延迟和线上用户反馈，建立离线与在线评测闭环\n-研究并落地 Critic、Verifier、Reflection、Risk Gate、模型路由和多模型协同等机制，提升复杂任务执行的可靠性与效率\n-将智能体执行中的失败轨迹转化为评测样本、训练数据和优化方案，并与模型算法、搜索、文档处理、前后端和基础架构团队协作推动线上落地",
"requirements_text": "-计算机、人工智能、软件工程、自动化等相关专业硕士及以上学历\n-具备 3 年以上机器学习、自然语言处理、智能体或相关算法研发经验\n-熟悉大语言模型和智能体基本原理，对 ReAct、Planning、Tool Use、Memory、Reflection、RAG 等机制有系统理解\n-实际参与过至少一个具备多步骤任务执行、工具调用或长程状态管理能力的智能体项目，并能够说明核心技术方案与效果指标\n-能够系统分析复杂任务中的模型理解、规划决策、工具调用、上下文状态和执行结果问题，并提出相应的算法优化方案\n-熟练使用 Python，具备良好的算法工程能力，能够独立完成算法原型、线上研发、实验分析和问题排查\n-熟悉模型评测和实验设计方法，能够根据 Agent Trace 建设错误分类、评测数据和迭代闭环\n-具备较强的系统思维、自驱力和跨团队协作能力，能够独立负责一个智能体核心方向并推动落地\n-加分项\n-有办公智能体、内容创作智能体、Browser Agent、Coding Agent、Deep Research、AI 搜索或数据分析智能体相关经验\n-有大规模 Tool / Skill 管理、动态工具召回、能力路由或模型路由经验\n-有智能体评测、Trajectory Analysis、自动归因、Critic、Verifier 或 Risk Gate 相关经验\n-有上下文管理、长期记忆、任务状态、Checkpoint、任务恢复或长程任务系统经验\n-熟悉 AgentScope、LangGraph、OpenAI Agents SDK、AutoGen 等智能体开发框架\n-有 Agentic RL、Tool-use Training、Trajectory Data、Process Reward 或智能体后训练经验\n-有分布式任务调度、状态机、Redis、消息队列、沙箱执行或高并发系统相关经验\n-在大模型、智能体或自然语言处理相关会议发表过论文，或有高质量开源项目贡献",
"skills": [AI生成
"Python",
"Redis",
"React",
"机器学习",
"自然语言处理",
"数据分析",
"团队协作",
"大语言模型",
"检索增强生成",
"智能体开发"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/eeef3764-46ca-4e8a-acf1-2ac1a9905c39"
}
]
},
"posting": {
"posting_id": "eeef3764-46ca-4e8a-acf1-2ac1a9905c39",
"post_date": "2026-08-24",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/eeef3764-46ca-4e8a-acf1-2ac1a9905c39"
},
"fulltext": "智能体算法专家（J104318）\n智能体算法专家（J104318）\n\n基础信息\n部门：PSIG\n地点：北京市\n类别：技术\n招聘人数：1\n发布时间：2026-08-24\n\n工作职责\n-负责通用智能体核心算法的设计与优化，建设从任务理解、规划决策、工具执行、结果验证到最终交付的完整任务执行能力\n-负责用户意图与任务目标理解、多步骤任务拆解、动态规划和执行过程中的下一步决策，提升复杂长程任务的完成效果\n-建设 Tool / Skill 的召回、选择、路由和参数生成能力，优化大规模工具接入后的候选选择、上下文组织和调用准确率\n-建设智能体上下文与状态管理能力，包括任务状态、工作记忆、历史信息选择、上下文压缩、Checkpoint 和跨轮任务恢复\n-建设基于 Agent Trace 的评测与问题归因体系，分析任务理解、规划决策、工具选择、参数生成、工具执行、上下文状态和结果交付等环节的问题\n-围绕任务成功率、工具调用准确率、执行步骤数、Token 消耗、响应延迟和线上用户反馈，建立离线与在线评测闭环\n-研究并落地 Critic、Verifier、Reflection、Risk Gate、模型路由和多模型协同等机制，提升复杂任务执行的可靠性与效率\n-将智能体执行中的失败轨迹转化为评测样本、训练数据和优化方案，并与模型算法、搜索、文档处理、前后端和基础架构团队协作推动线上落地\n\n职责要求\n-计算机、人工智能、软件工程、自动化等相关专业硕士及以上学历\n-具备 3 年以上机器学习、自然语言处理、智能体或相关算法研发经验\n-熟悉大语言模型和智能体基本原理，对 ReAct、Planning、Tool Use、Memory、Reflection、RAG 等机制有系统理解\n-实际参与过至少一个具备多步骤任务执行、工具调用或长程状态管理能力的智能体项目，并能够说明核心技术方案与效果指标\n-能够系统分析复杂任务中的模型理解、规划决策、工具调用、上下文状态和执行结果问题，并提出相应的算法优化方案\n-熟练使用 Python，具备良好的算法工程能力，能够独立完成算法原型、线上研发、实验分析和问题排查\n-熟悉模型评测和实验设计方法，能够根据 Agent Trace 建设错误分类、评测数据和迭代闭环\n-具备较强的系统思维、自驱力和跨团队协作能力，能够独立负责一个智能体核心方向并推动落地\n-加分项\n-有办公智能体、内容创作智能体、Browser Agent、Coding Agent、Deep Research、AI 搜索或数据分析智能体相关经验\n-有大规模 Tool / Skill 管理、动态工具召回、能力路由或模型路由经验\n-有智能体评测、Trajectory Analysis、自动归因、Critic、Verifier 或 Risk Gate 相关经验\n-有上下文管理、长期记忆、任务状态、Checkpoint、任务恢复或长程任务系统经验\n-熟悉 AgentScope、LangGraph、OpenAI Agents SDK、AutoGen 等智能体开发框架\n-有 Agentic RL、Tool-use Training、Trajectory Data、Process Reward 或智能体后训练经验\n-有分布式任务调度、状态机、Redis、消息队列、沙箱执行或高并发系统相关经验\n-在大模型、智能体或自然语言处理相关会议发表过论文，或有高质量开源项目贡献\n-负责通用智能体核心算法的设计与优化，建设从任务理解、规划决策、工具执行、结果验证到最终交付的完整任务执行能力\n-负责用户意图与任务目标理解、多步骤任务拆解、动态规划和执行过程中的下一步决策，提升复杂长程任务的完成效果\n-建设 Tool / Skill 的召回、选择、路由和参数生成能力，优化大规模工具接入后的候选选择、上下文组织和调用准确率\n-建设智能体上下文与状态管理能力，包括任务状态、工作记忆、历史信息选择、上下文压缩、Checkpoint 和跨轮任务恢复\n-建设基于 Agent Trace 的评测与问题归因体系，分析任务理解、规划决策、工具选择、参数生成、工具执行、上下文状态和结果交付等环节的问题\n-围绕任务成功率、工具调用准确率、执行步骤数、Token 消耗、响应延迟和线上用户反馈，建立离线与在线评测闭环\n-研究并落地 Critic、Verifier、Reflection、Risk Gate、模型路由和多模型协同等机制，提升复杂任务执行的可靠性与效率\n-将智能体执行中的失败轨迹转化为评测样本、训练数据和优化方案，并与模型算法、搜索、文档处理、前后端和基础架构团队协作推动线上落地\n-计算机、人工智能、软件工程、自动化等相关专业硕士及以上学历\n-具备 3 年以上机器学习、自然语言处理、智能体或相关算法研发经验\n-熟悉大语言模型和智能体基本原理，对 ReAct、Planning、Tool Use、Memory、Reflection、RAG 等机制有系统理解\n-实际参与过至少一个具备多步骤任务执行、工具调用或长程状态管理能力的智能体项目，并能够说明核心技术方案与效果指标\n-能够系统分析复杂任务中的模型理解、规划决策、工具调用、上下文状态和执行结果问题，并提出相应的算法优化方案\n-熟练使用 Python，具备良好的算法工程能力，能够独立完成算法原型、线上研发、实验分析和问题排查\n-熟悉模型评测和实验设计方法，能够根据 Agent Trace 建设错误分类、评测数据和迭代闭环\n-具备较强的系统思维、自驱力和跨团队协作能力，能够独立负责一个智能体核心方向并推动落地\n-加分项\n-有办公智能体、内容创作智能体、Browser Agent、Coding Agent、Deep Research、AI 搜索或数据分析智能体相关经验\n-有大规模 Tool / Skill 管理、动态工具召回、能力路由或模型路由经验\n-有智能体评测、Trajectory Analysis、自动归因、Critic、Verifier 或 Risk Gate 相关经验\n-有上下文管理、长期记忆、任务状态、Checkpoint、任务恢复或长程任务系统经验\n-熟悉 AgentScope、LangGraph、OpenAI Agents SDK、AutoGen 等智能体开发框架\n-有 Agentic RL、Tool-use Training、Trajectory Data、Process Reward 或智能体后训练经验\n-有分布式任务调度、状态机、Redis、消息队列、沙箱执行或高并发系统相关经验\n-在大模型、智能体或自然语言处理相关会议发表过论文，或有高质量开源项目贡献",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [
"T015"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}