滴滴AI Agent专家程师(JR2026060200G)
任职要求
1. 工科、计算机或其他相关专业本科以上学历。 2. 深度理解AI技术栈，熟悉 LLM、Agent、RAG等核心概念，开发过 LLM 应用、AI Agent等AI产品，有实际项目中的探索和实践落地 3. 扎实的测试基本功和工程能力，精通性能测试、自动化测试、安全…
工作职责
1. 构建适合滴滴国际化技术发展需要的质量效能体系以及质量平台产品化 2. 参与AI测试基建的架构设计与开发实现，构建统一的AI+可测性能力基座 3. 建设测试领域Agent生态，包括但不限于测试用例生成、故障分析、自动化执行等垂类Agent，智能体编排、测试知识库等 4. 探索AI驱动的测试新范式，打造新的质量交付流水模式，推动测试工程智能化转型
我们寻找的是AI Native——把AI当作第一生产力，能用Prompt思考、用AI构建、用Agent工作的人; 你将直接参与打造下一代AI原生产品，与最先进的大模型（GPT-4、Claude、Gemini、DeepSeek等）深度协作，探索人机协作的全新工作范式。 你将做什么 1. AI Native 产品与能力建设 • 负责 AI 原生产品或核心能力模块的规划、设计与落地，推动从 0 到 1 创新及从 1 到 N 规模化复制 • 结合业务场景，设计并落地多模态交互、智能问答、Agent 工作流、个性化推荐、内容生成等核心能力 • 深入理解用户需求与业务链路，识别 AI 在提效、增收、体验升级中的关键切入点，形成可验证的产品方案 • 推动复杂 AI 功能的产品化与工程化落地，兼顾效果、成本、稳定性与可运营性 2. 大模型应用架构与 Prompt/Skill 体系建设 • 设计和优化高质量 Prompt 模板、System Prompt、Few-shot 示例与任务编排策略，建立可复用的 Prompt 资产体系 • 结合 RAG、Function Calling、MCP、工作流编排等能力，设计端到端 AI 应用方案 • 构建并沉淀 AI Skills / Tools / Agent 能力体系，提升 AI 在垂直场景中的任务完成率和业务价值 • 针对复杂任务设计可执行的 AI Agent 工作流，实现任务自动化、协同化与闭环化 3. 业务落地与效果运营 • 建立 AI 产品效果评估机制，基于实验、数据分析与用户反馈持续优化核心指标 • 推动模型能力、产品体验与业务目标之间的对齐，在效果、时延、成本、风险之间做系统性权衡 • 与研发、算法、数据、运营等团队紧密协作，推进复杂项目的全链路落地 • 对重点项目的业务结果负责，能够将 AI 能力转化为明确的业务收益、用户价值和组织效率提升 4. 前沿探索与团队赋能 • 持续跟踪大模型、多模态、Agent、RAG 等方向的技术演进，评估其在实际业务中的适用性与投入产出比 • 沉淀 AI Native 产品方法论、最佳实践和标准流程，推动团队能力升级 • 对内推动 AI 认知统一与能力普及，对外关注行业趋势、开源生态与优秀案例，持续提升团队与组织影响力
1. 结合业务需求，负责研发高效可靠的Agent开发引擎，以支持多样化的AI创新应用场景； 2. 设计开发agent运行时服务，支撑 Agent服务高效运行、任务调度、状态监控，以及Agent与前端的高性能 RPC 通信等； 3. 设计开发端/云AI能力协同方案，支持MCP/A2A/Skills等，支持端云统一多模态模型和数据服务，实现端侧与云侧AI能力的高效协同； 4. 设计开发上下文感知引擎 ，实现AI对环境、场景及用户操作的精准感知和用户意图识别； 5. 与团队成员紧密合作，支持AI Agent应用开发和优化，满足性能、安全性和可扩展性的需求； 6. 关注业界最新技术动态和发展趋势，探索新技术在产品中的应用可能性。
1. 结合业务需求，负责研发高效可靠的Agent开发引擎，以支持多样化的AI创新应用场景； 2. 设计开发agent运行时服务，支撑 Agent服务高效运行、任务调度、状态监控，以及跨系统Agent高性能通信等； 3. 设计开发端/云AI能力协同方案，支持MCP/A2A/Skills等，支持端云统一多模态模型和数据服务，实现端侧与云侧AI能力的高效协同； 4. 设计开发上下文感知引擎 ，实现AI对环境、场景及用户操作的精准感知和用户意图识别； 5. 与团队成员紧密合作，开发核心系统Agent（Browser Use Agent和GUI Agent），支持AI Agent应用开发和优化，满足性能、安全性和可扩展性的需求； 6. 关注业界最新技术动态和发展趋势，探索新技术在产品中的应用可能性。
1、构建电商Agent核心大脑与前沿技术落地：探索主流Agent框架，如LangGraph、OpenClaw、Hermes、Codex、Claude Code等，构建稳定可靠的Valley-Agent基座，重点提升任务的自动规划与调度、工具调用、多模态交互及深度研究能力；持续追踪AI Agent领域的最新进展（如Codex,OpenClaw,Hermes,ClaudeCode等），引入并验证新技术的可行性，沉淀技术文档与最佳实践，推动前沿技术在国际电商治理场景的创新应用； 2、打造电商场景Skills工具集：基于电商业务系统，构建和优化一系列高性能、可复用的Skills。这包括利用小尺寸模型打造支撑高QPS场景的基础模型工具集，也包括将复杂的业务SOP（标准作业程序）封装为稳定可调用的治理Agent（如审核、RCA、立规Agent）； 3、研发与优化Agentic RL：基于主流Agent框架，并结合Post-training技术（SFT/RLHF）与强化学习（PPO/GRPO）对模型进行持续优化，建立电商大模型的Agentic RL训练体系，提升模型在复杂问题上的准确率与动态反思能力； 4、探索Agent自动化与自进化：结合Auto-Workflow与多智能体系统（MAS），一方面支持工作流的自动生成与优化，另一方面探索基于Agentic RAG和Memory机制的自进化（Self-Evolution）闭环，让Agent能够从真实交互数据中学习，持续提升其决策与执行能力； 5、构建稳定可靠的Agent基础设施：负责Agent系统的性能与稳定性优化，包括资源利用、QPS、成本控制、环境交互速度等，并沉淀通用能力，构建包含可观测性与权限体系的Agent Infra，保障系统的安全可控。