滴滴高级/资深研发工程师 - 智能 Agent 方向(J250820016)
任职要求
【任职要求】 1、计算机科学、数学、统计学或相关领域的本科及以上学历，具备一线的架构设计、工程开发（Java/Go 均可）能力，精通数据结构和常用算法； 2、有大模型应用设计开发经验，熟悉多 Agent 架构的设计和实施，熟悉分布式系统、缓存、消息队列、数据库等核心技术的使用场景、设计理念； 3、对前沿新兴科技有高度好奇心与洞察力，学习能力强，能够主动发现问题并自主推进研究，从全局深度思考问题，有技术追求和热情； 4、具备团队、项目管理能力和良好的沟通协作能力，能和团队一起探索新技术，推进技术进步和在实际场景的应用效果。 加分项： 1、主导过大模型实际落地应用项目者尤佳； 2、熟悉评测工程、数据合成等技术者尤佳； 3、有智能客服、对话系统、语音机器人等经验者尤佳。
工作职责
参与构建下一代客服 Agent，驱动服务体验与效率提升。需要具备扎实的工程功底、大模型应用功底，结合业务场景设计并推进系统架构落地。 【岗位职责】 1、参与设计下一代客户服务 Agent、Agent Saas 的技术方案，与产品、算法团队合作，完成技术工程代码的开发； 2、通过工程优化，增强 Agent（文本、语音）的语义理解能力、反应速度、通话链路质量，技术驱动服务体验和效率的提升； 3、主导 Agent 核心链路的技术升级和性能优化，保障7*24小时的稳定运行，提升 Agent 的可观测性和稳定性，提升异常应对能力； 4、深入理解业务，参与面向对话过程的对话策略和服务设计，结合先进的智能技术能力，持续打磨服务水平； 5、关注行业前沿，推进有价值的技术与业务场景的结合，探索创新方法，推动技术创新。
参与构建下一代客服 Agent，驱动服务体验与效率提升。需要具备扎实的工程功底、大模型应用功底，结合业务场景设计并推进系统架构落地。 【岗位职责】 1、参与设计下一代客户服务 Agent、Agent Saas 的技术方案，与产品、算法团队合作，完成技术工程代码的开发； 2、通过工程优化，增强 Agent（文本、语音）的语义理解能力、反应速度、通话链路质量，技术驱动服务体验和效率的提升； 3、主导 Agent 核心链路的技术升级和性能优化，保障7*24小时的稳定运行，提升 Agent 的可观测性和稳定性，提升异常应对能力； 4、深入理解业务，参与面向对话过程的对话策略和服务设计，结合先进的智能技术能力，持续打磨服务水平； 5、关注行业前沿，推进有价值的技术与业务场景的结合，探索创新方法，推动技术创新。
方向一： 岗位职责 面向应用商店、Agent助手、搜索、广告等高价值业务场景，预研和落地信息检索(搜索、推荐、广告)核心技术，岗位职责包括但不限于： 1.针对冷启动推荐、多场景多任务建模、自动特征工程、用户通用表征、多模态信息检索、对话推荐、端云推荐、检索增强生成(RAG)、智能体检索等核心难题，负责研发和突破信息检索关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新信息检索技术，发表高水平论文。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 方向二： 岗位职责 面向Agent助手、搜索、广告、应用商店等高价值业务场景，预研和落地智能体检索和推理大模型(r1/o1/o3)核心技术，岗位职责包括但不限于： 1.针对大推理模型(r1/o1/o3)、端侧大模型、多模态信息检索、AI搜索推荐、检索增强生成(RAG)、个性化内容生成、大模型特征生成等核心难题，负责研发和突破关键技术。 2.跟踪学术界和工业界最新进展，快速应用到业务中，提出创新信息检索技术，发表高水平论文。 3.协同核心AI技术的设计以及工程化落地，包括模型设计、特征工程、效率优化等。 【岗位资源】 1.真实大规模搜推广、用户助手业务场景需求、数据、AI开发平台、计算资源。 2.与知名高校资深老师团队科研合作，提供例行科研沟通合作机会。 3.业界资深研究员带队技术探索、落地、论文写作发表。
1、主导AI客服系统架构设计，集成大模型、知识库、工单系统及内部工具（如版权库、曲库API），实现用户问题自动分类、意图识别和智能路由，实现用户求助满意度提升； 2、搭建多智能体（Multi-Agent）协作框架，设计客服场景下Agent工作流（如：意图理解Agent、故障诊断Agent、投诉处理Agent），支持跨系统工具调用（MCP、Function Call等）； 3、构建客服对话记忆管理、实时决策引擎及服务追踪（Tracing）体系，实现复杂会话状态的持续优化； 4、负责RAG（检索增强生成）系统工程化落地，结合音乐知识库（版权规则、产品文档、歌曲信息等）提升回答准确性； 5、设计客服Agent 反思（Self-Reflection）与思维链（Chain-of-Thought）机制，提升复杂问题处理能力； 6、构建故障诊断推理引擎：基于用户反馈（如“歌曲无法播放”“耳机断连”）以及关联信息，实现自动根因分析； 7、主导系统性能优化与保障，提升千万用户客服体验。
负责 LLM 在软件研发领域的应用与落地，采用包括但不限于LLM、Agent/Multi-agent、Tool Learning、RAG、RLHF等技术，探索大模型和软件研发领域的结合，实现在业务中的应用落地。负责算法模型研发，包含但不限于Embedding、SFT、Self-instruct;参与领域模型的全流程工作，包括但不限于数据、训练、评测、推理部署，保证数据的高质量和有效性;探索Agent在复杂任务中的应用，实现基于LLM的复杂任务在软件研发领域场景的应用落地。