主分类：Agent系统开发
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": "【快Star】AI Agent大模型算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "J1013"AI生成
},
"company": {
"company_name": "快手科技",
"company_industry": "内容社区 / 直播 / 电商 / 人工智能",
"company_size": "10000人以上",
"company_website": "kuaishou.com",
"company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【快Star】AI Agent大模型算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1013\n工作地点：北京\n发布时间：2026-05-26\n\n岗位职责\n1、负责 AI Agent 核心能力的研发与优化，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长期/短期记忆（Memory）、RAG 增强、Workflow 编排、多智能体协同（Multi-Agent）及复杂长链路任务执行；\n2、负责 Agent Framework 与 Agent Runtime 的设计与研发，包括 Tool Calling、Memory System、Workflow Engine、Sandbox、Agent Gateway、Skill System 等核心模块，探索长期运行（Persistent Agent）与自我进化（Self-improving Agent）能力；\n3、应用强化学习（RL）、SFT、Preference Alignment（DPO/PPO/GRPO/RLVR 等）等技术，提升 Agent 在复杂任务中的推理、规划、执行与泛化能力；\n4、参与构建 Agent 数据闭环与评测体系，包括 Agent Benchmark、Tool-use Evaluation、Long-horizon Evaluation、Trajectory Dataset 等，通过数据驱动持续优化模型与系统效果；\n5、推动 AI Agent 在办公、创作、Coding、R&D、企业 Workflow Automation 等真实场景中的产品化落地与持续迭代。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2、精通 Python，具备扎实的 C/C++/Go/Java（至少一门）基础，具备优秀的软件工程能力与系统设计能力，追求高质量代码实现；\n3、深入理解 Transformer 架构及大模型（LLM/VLM/Reasoning Model）原理；熟悉 PyTorch/TensorFlow 等深度学习框架；掌握强化学习、自然语言处理、搜索推荐或计算机视觉相关基础理论；\n4、深入理解 Agent 核心范式，包括 Planning、Reasoning、Tool Use、Memory、RAG、Workflow、Multi-Agent 等；熟悉 MCP、Function Calling、Structured Output 等 Agent 生态技术；\n5、熟悉 Linux、网络编程、异步系统、分布式系统、Docker/Kubernetes 等基础设施与工程技术栈；\n6、具备极强的学习能力与技术热情，对 Agent、AGI 与 AI Native 应用方向有浓厚兴趣；逻辑清晰，具备良好的沟通协作能力与独立推进复杂项目的能力。\n加分项：\n1、在 NeurIPS、ICML、ICLR、ACL、CVPR、ICCV 等顶级会议发表过论文；\n2、在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法竞赛中获得优异成绩；\n3、为知名开源项目核心贡献者，或在开源社区具备较强影响力；\n4、有 LangChain、AutoGen、MetaGPT、OpenClaw、Hermes Agent 等 Agent Framework / Runtime 的使用或二次开发经验；\n5、有 RLHF/RLVR、Reasoning Model、Agent Fine-tuning、大模型 Post-training 等相关经验优先；\n6、有 AI Native 产品、AI Agent 平台或企业级 Agent Workflow 的 0-1 构建经验优先。",
"requirements_text": "【快Star】AI Agent大模型算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1013\n工作地点：北京\n发布时间：2026-05-26\n\n岗位职责\n1、负责 AI Agent 核心能力的研发与优化，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长期/短期记忆（Memory）、RAG 增强、Workflow 编排、多智能体协同（Multi-Agent）及复杂长链路任务执行；\n2、负责 Agent Framework 与 Agent Runtime 的设计与研发，包括 Tool Calling、Memory System、Workflow Engine、Sandbox、Agent Gateway、Skill System 等核心模块，探索长期运行（Persistent Agent）与自我进化（Self-improving Agent）能力；\n3、应用强化学习（RL）、SFT、Preference Alignment（DPO/PPO/GRPO/RLVR 等）等技术，提升 Agent 在复杂任务中的推理、规划、执行与泛化能力；\n4、参与构建 Agent 数据闭环与评测体系，包括 Agent Benchmark、Tool-use Evaluation、Long-horizon Evaluation、Trajectory Dataset 等，通过数据驱动持续优化模型与系统效果；\n5、推动 AI Agent 在办公、创作、Coding、R&D、企业 Workflow Automation 等真实场景中的产品化落地与持续迭代。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2、精通 Python，具备扎实的 C/C++/Go/Java（至少一门）基础，具备优秀的软件工程能力与系统设计能力，追求高质量代码实现；\n3、深入理解 Transformer 架构及大模型（LLM/VLM/Reasoning Model）原理；熟悉 PyTorch/TensorFlow 等深度学习框架；掌握强化学习、自然语言处理、搜索推荐或计算机视觉相关基础理论；\n4、深入理解 Agent 核心范式，包括 Planning、Reasoning、Tool Use、Memory、RAG、Workflow、Multi-Agent 等；熟悉 MCP、Function Calling、Structured Output 等 Agent 生态技术；\n5、熟悉 Linux、网络编程、异步系统、分布式系统、Docker/Kubernetes 等基础设施与工程技术栈；\n6、具备极强的学习能力与技术热情，对 Agent、AGI 与 AI Native 应用方向有浓厚兴趣；逻辑清晰，具备良好的沟通协作能力与独立推进复杂项目的能力。\n加分项：\n1、在 NeurIPS、ICML、ICLR、ACL、CVPR、ICCV 等顶级会议发表过论文；\n2、在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法竞赛中获得优异成绩；\n3、为知名开源项目核心贡献者，或在开源社区具备较强影响力；\n4、有 LangChain、AutoGen、MetaGPT、OpenClaw、Hermes Agent 等 Agent Framework / Runtime 的使用或二次开发经验；\n5、有 RLHF/RLVR、Reasoning Model、Agent Fine-tuning、大模型 Post-training 等相关经验优先；\n6、有 AI Native 产品、AI Agent 平台或企业级 Agent Workflow 的 0-1 构建经验优先。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Linux",
"Docker",
"Kubernetes",
"PyTorch",
"TensorFlow",
"深度学习",
"强化学习",
"自然语言处理",
"计算机视觉",
"分布式系统",
"学习能力",
"招聘",
"Go",
"大语言模型",
"检索增强生成",
"智能体开发",
"C语言"
],
"preferred_qualifications": "1、硕士及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；加分项：；5、有 RLHF/RLVR、Reasoning Model、Agent Fine-tuning、大模型 Post-training 等相关经验优先；6、有 AI Native 产品、AI Agent 平台或企业级 Agent Workflow 的 0-1 构建经验优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12785?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "12785",
"post_date": "2026-05-26",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12785?recruitSubProjectCodes="
},
"fulltext": "【快Star】AI Agent大模型算法工程师\n【快Star】AI Agent大模型算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1013\n工作地点：北京\n发布时间：2026-05-26\n\n岗位职责\n1、负责 AI Agent 核心能力的研发与优化，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长期/短期记忆（Memory）、RAG 增强、Workflow 编排、多智能体协同（Multi-Agent）及复杂长链路任务执行；\n2、负责 Agent Framework 与 Agent Runtime 的设计与研发，包括 Tool Calling、Memory System、Workflow Engine、Sandbox、Agent Gateway、Skill System 等核心模块，探索长期运行（Persistent Agent）与自我进化（Self-improving Agent）能力；\n3、应用强化学习（RL）、SFT、Preference Alignment（DPO/PPO/GRPO/RLVR 等）等技术，提升 Agent 在复杂任务中的推理、规划、执行与泛化能力；\n4、参与构建 Agent 数据闭环与评测体系，包括 Agent Benchmark、Tool-use Evaluation、Long-horizon Evaluation、Trajectory Dataset 等，通过数据驱动持续优化模型与系统效果；\n5、推动 AI Agent 在办公、创作、Coding、R&D、企业 Workflow Automation 等真实场景中的产品化落地与持续迭代。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2、精通 Python，具备扎实的 C/C++/Go/Java（至少一门）基础，具备优秀的软件工程能力与系统设计能力，追求高质量代码实现；\n3、深入理解 Transformer 架构及大模型（LLM/VLM/Reasoning Model）原理；熟悉 PyTorch/TensorFlow 等深度学习框架；掌握强化学习、自然语言处理、搜索推荐或计算机视觉相关基础理论；\n4、深入理解 Agent 核心范式，包括 Planning、Reasoning、Tool Use、Memory、RAG、Workflow、Multi-Agent 等；熟悉 MCP、Function Calling、Structured Output 等 Agent 生态技术；\n5、熟悉 Linux、网络编程、异步系统、分布式系统、Docker/Kubernetes 等基础设施与工程技术栈；\n6、具备极强的学习能力与技术热情，对 Agent、AGI 与 AI Native 应用方向有浓厚兴趣；逻辑清晰，具备良好的沟通协作能力与独立推进复杂项目的能力。\n加分项：\n1、在 NeurIPS、ICML、ICLR、ACL、CVPR、ICCV 等顶级会议发表过论文；\n2、在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法竞赛中获得优异成绩；\n3、为知名开源项目核心贡献者，或在开源社区具备较强影响力；\n4、有 LangChain、AutoGen、MetaGPT、OpenClaw、Hermes Agent 等 Agent Framework / Runtime 的使用或二次开发经验；\n5、有 RLHF/RLVR、Reasoning Model、Agent Fine-tuning、大模型 Post-training 等相关经验优先；\n6、有 AI Native 产品、AI Agent 平台或企业级 Agent Workflow 的 0-1 构建经验优先。\n【快Star】AI Agent大模型算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1013\n工作地点：北京\n发布时间：2026-05-26\n\n岗位职责\n1、负责 AI Agent 核心能力的研发与优化，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长期/短期记忆（Memory）、RAG 增强、Workflow 编排、多智能体协同（Multi-Agent）及复杂长链路任务执行；\n2、负责 Agent Framework 与 Agent Runtime 的设计与研发，包括 Tool Calling、Memory System、Workflow Engine、Sandbox、Agent Gateway、Skill System 等核心模块，探索长期运行（Persistent Agent）与自我进化（Self-improving Agent）能力；\n3、应用强化学习（RL）、SFT、Preference Alignment（DPO/PPO/GRPO/RLVR 等）等技术，提升 Agent 在复杂任务中的推理、规划、执行与泛化能力；\n4、参与构建 Agent 数据闭环与评测体系，包括 Agent Benchmark、Tool-use Evaluation、Long-horizon Evaluation、Trajectory Dataset 等，通过数据驱动持续优化模型与系统效果；\n5、推动 AI Agent 在办公、创作、Coding、R&D、企业 Workflow Automation 等真实场景中的产品化落地与持续迭代。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2、精通 Python，具备扎实的 C/C++/Go/Java（至少一门）基础，具备优秀的软件工程能力与系统设计能力，追求高质量代码实现；\n3、深入理解 Transformer 架构及大模型（LLM/VLM/Reasoning Model）原理；熟悉 PyTorch/TensorFlow 等深度学习框架；掌握强化学习、自然语言处理、搜索推荐或计算机视觉相关基础理论；\n4、深入理解 Agent 核心范式，包括 Planning、Reasoning、Tool Use、Memory、RAG、Workflow、Multi-Agent 等；熟悉 MCP、Function Calling、Structured Output 等 Agent 生态技术；\n5、熟悉 Linux、网络编程、异步系统、分布式系统、Docker/Kubernetes 等基础设施与工程技术栈；\n6、具备极强的学习能力与技术热情，对 Agent、AGI 与 AI Native 应用方向有浓厚兴趣；逻辑清晰，具备良好的沟通协作能力与独立推进复杂项目的能力。\n加分项：\n1、在 NeurIPS、ICML、ICLR、ACL、CVPR、ICCV 等顶级会议发表过论文；\n2、在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法竞赛中获得优异成绩；\n3、为知名开源项目核心贡献者，或在开源社区具备较强影响力；\n4、有 LangChain、AutoGen、MetaGPT、OpenClaw、Hermes Agent 等 Agent Framework / Runtime 的使用或二次开发经验；\n5、有 RLHF/RLVR、Reasoning Model、Agent Fine-tuning、大模型 Post-training 等相关经验优先；\n6、有 AI Native 产品、AI Agent 平台或企业级 Agent Workflow 的 0-1 构建经验优先。\n【快Star】AI Agent大模型算法工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1013\n工作地点：北京\n发布时间：2026-05-26\n\n岗位职责\n1、负责 AI Agent 核心能力的研发与优化，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具调用（Tool Use）、长期/短期记忆（Memory）、RAG 增强、Workflow 编排、多智能体协同（Multi-Agent）及复杂长链路任务执行；\n2、负责 Agent Framework 与 Agent Runtime 的设计与研发，包括 Tool Calling、Memory System、Workflow Engine、Sandbox、Agent Gateway、Skill System 等核心模块，探索长期运行（Persistent Agent）与自我进化（Self-improving Agent）能力；\n3、应用强化学习（RL）、SFT、Preference Alignment（DPO/PPO/GRPO/RLVR 等）等技术，提升 Agent 在复杂任务中的推理、规划、执行与泛化能力；\n4、参与构建 Agent 数据闭环与评测体系，包括 Agent Benchmark、Tool-use Evaluation、Long-horizon Evaluation、Trajectory Dataset 等，通过数据驱动持续优化模型与系统效果；\n5、推动 AI Agent 在办公、创作、Coding、R&D、企业 Workflow Automation 等真实场景中的产品化落地与持续迭代。\n\n任职要求\n1、硕士及以上学历，计算机、人工智能、数学、电子信息等相关专业优先；\n2、精通 Python，具备扎实的 C/C++/Go/Java（至少一门）基础，具备优秀的软件工程能力与系统设计能力，追求高质量代码实现；\n3、深入理解 Transformer 架构及大模型（LLM/VLM/Reasoning Model）原理；熟悉 PyTorch/TensorFlow 等深度学习框架；掌握强化学习、自然语言处理、搜索推荐或计算机视觉相关基础理论；\n4、深入理解 Agent 核心范式，包括 Planning、Reasoning、Tool Use、Memory、RAG、Workflow、Multi-Agent 等；熟悉 MCP、Function Calling、Structured Output 等 Agent 生态技术；\n5、熟悉 Linux、网络编程、异步系统、分布式系统、Docker/Kubernetes 等基础设施与工程技术栈；\n6、具备极强的学习能力与技术热情，对 Agent、AGI 与 AI Native 应用方向有浓厚兴趣；逻辑清晰，具备良好的沟通协作能力与独立推进复杂项目的能力。\n加分项：\n1、在 NeurIPS、ICML、ICLR、ACL、CVPR、ICCV 等顶级会议发表过论文；\n2、在 ACM-ICPC、NOI/IOI、TopCoder、Kaggle 或知名 AI 算法竞赛中获得优异成绩；\n3、为知名开源项目核心贡献者，或在开源社区具备较强影响力；\n4、有 LangChain、AutoGen、MetaGPT、OpenClaw、Hermes Agent 等 Agent Framework / Runtime 的使用或二次开发经验；\n5、有 RLHF/RLVR、Reasoning Model、Agent Fine-tuning、大模型 Post-training 等相关经验优先；\n6、有 AI Native 产品、AI Agent 平台或企业级 Agent Workflow 的 0-1 构建经验优先。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}