贝壳python开发工程师（GUI工程方向）(J67024)

1、参与快手大流量大型活动场景下会场研发，包括但不限于复杂动效实现、基于 WebGL 的互动游戏开发等； 2、参与大型活动的横向 AI 基建建设，包括但不限于性能/稳定性智能分析、动效AI生产、基于 GUI Agent 的 AI 测试/巡检等； 3、参与 AI 场景下的新渠道探索，包括但不限于 AIGC 生产、GEO 优化等； 4、参与复杂业务场景下架构升级，包括但不限于基于低码协议的端到端架构升级、统一物料生产消费平台等。

招聘介绍：通过GUI，VUI等多种交互形态连接用户与服务，让人工智能在抖音、西瓜视频、今日头条、教育、办公等多个产品上实现智能价值，提升用户体验，实现商业价值。在这里你有机会同全球顶尖的AI科学家合作，接触最前沿的技术，并为服务于全球数亿人的人工智能产品提供质量保障。 1、负责语音/图像产品前端及服务端项目交付的质量把控； 2、负责语音/图像算法迭代质量体系的建设，及算法效果评测及算法竞对的评测； 3、负责语音/图像模型、推理引擎、服务测试框架的搭建； 4、负责测试场景和测试用例的设计，测试工具的设计、开发和标准化输出。

关于我们 我们致力于打造具备“感知-理解-规划-行动”闭环能力的下一代多模态 AI Agent：团队聚焦 GUI Agent（图形用户界面智能体） 与 多模态交互能力 的前沿探索，让 Agent 不仅能“看懂”屏幕、理解用户意图，还能自主操作界面、完成任务，真正实现从“问答助手”到“执行代理”的跃迁。我们相信，多模态感知与 GUI 操作能力是 Agent 走向通用智能的关键一步。期待你加入，共同将“看得见、做得对”的智能体能力转化为业务核心竞争力。 你将获得什么 ● 在真实的业务场景中探索GUI Agent的价值：在淘宝、千牛等页面复杂、流量巨大的电商APP中，规模化的落地GUI Agent，自动完成消费者、商家、公司内部产研同学的任务。也可以让GUI Agent成为其他各种业务Agent的工具，让各种Agent具备视觉感知和GUI操作能力。 ● 充分探索多模态大模型理解与规划能力的极限：让大模型理解电商垂域场景异常复杂的任务指令、UI界面，使用包括但不限于自动化轨迹数据生成、模型训练、多模态记忆系统、multi-agent架构设计等多种手段，构建最懂电商域的GUI Agent ● 充分的业务场景真实数据与计算资源：团队训练资源充足，能在不同架构/不同规模模型上完成微调、对齐与能力专项提升，并形成可复用的训练范式，充分利用各种开源/闭源模型的能力。 ● 个人技术成长：支持多元化方向发展，鼓励对外分享与论文/专利沉淀。 岗位职责 1.主导基于大模型的AI Agent全生命周期研发，重点聚焦多模态Agent建设，包括但不限于GUI Agent/图文理解Agent/图文评估Agent，构建具备视觉感知和推理能力的多模态Agent应用； 2.运用SFT、RL等Post-training训练方法，探索多模态与RL的结合，提升大模型/多模态大模型在自主规划（Planning）、多步推理、多模态RAG、工具调用、UI界面理解、复杂图文理解、局部细节感知等方面的能力； 3.跟踪LLM、VLM与Agent领域的国际前沿技术动态，推动技术创新在业务场景中的落地应用，重点突破任务规划与复杂推理、研发测试自动化、computer use、大规模商品图文分析、图文细节理解与评估等方向的应用创新； 4.持续优化多模态能力与已有Agent架构的集成，快速构建具备多模态能力的Agent应用，提升Agent系统性能与效率，提供AI Agent技术方案。

职位职责 1. 参与 AI Native 软件工程体系建设，探索大模型、Agent、多模态等技术在软件测试中的落地应用； 2. 研究并构建 GUI Agent / Mobile Agent 等智能体能力，提升 AI 对软件系统的理解、规划、执行与交互能力； 3. 参与 AI 驱动的软件验证与质量评估体系建设，包括任务规划、自动执行、结果分析与反馈闭环； 4. 探索 AI 在复杂长链路场景中的自主决策、稳定执行、自反馈与持续优化机制； 5. 参与多模态软件理解相关能力建设，包括 UI Understanding、Screen Grounding、视觉交互等方向； 6. 推动 Agent、LLM、多模态等技术在移动端、自动化验证、探索式交互等真实业务场景中的工程化落地； 7. 跟踪 AI Agent、AI4SE（AI for Software Engineering）、多模态模型等前沿技术，并结合业务场景进行创新实践。