小红书Agent应用算法工程师-创新业务
任职要求
1、有创业精神，对Agent技术赋能业务创新有极大热情，愿意深入理解用户、打磨体验、推动产品持续进化。 2、计算机、人工智能、数学、统计等相关专业硕士及以上学历，具备扎实的机器学习/深度学习理论基础，精通 Python，熟练使用 PyTorch、Transformers 等框架。 3、具备LLM/Agent经验：深入理解 Tr…
工作职责
你将加入创新业务核心算法团队，围绕创新业务场景，利用 LLM、RAG、Tool Use、Multi-Agent 等前沿技术，打造真正理解用户需求、具备规划与执行能力的新一代 AI Native 产品。 岗位职责 1、负责通用 Agent 框架的设计与研发，包括意图识别（Router）、任务规划（Planning）、工具调用（Function Calling）、检索增强生成（RAG）、状态管理（Memory）等核心能力，构建可支撑复杂任务执行的智能体系统。 2、深入创新业务核心场景，设计垂类 Agent，打通用户状态、结构化信息、环境信息、知识库等多源信息，提升用户从“提出需求”到“获得可执行方案”的效率与体验。 3、基于开源或自研基座模型，利用 SFT、RL 等技术进行垂直场景微调，增强模型在复杂指令遵循、规划推理、工具使用、个性化表达与安全性上的能力。 4、面向长链路、复杂任务场景，探索并落地 Multi-Agent 协作机制，提升系统任务完成率、稳定性与可解释性。 5、建设 Agent 自动化评测平台，制定覆盖任务完成度、相关性、可执行性、工具调用准确率与安全性的多维指标，通过离线评测与在线 A/B 实验持续驱动效果优化。
关于我们 我们致力于把大模型 Agent 打造成“能解决业务问题的生产力系统”：不仅会对话，更能规划、推理、调用工具、洞察数据，在多个业务场景形成端到端闭环。团队长期坚持“学术先进性 + 工程可落地 + 指标可验证”三位一体，推动多项技术在真实业务中规模化应用，并持续输出可复用的训练与评测体系。 你将获得什么 ● 覆盖多模型、多尺寸的系统化训练能力：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。 ● 论文级问题 + 业务级验证：我们鼓励你做可发表的创新，同时确保每个方向都能进入线上评测与业务闭环，真正做到 有创新、有落地、有收益。 ● 完整的 Agent RL 研发舞台：从环境构建、Reward 设计、策略优化到自动评估工具链，你将能主导一条完整的 RL-Driven Agent 能力演进路径。 ● 个人影响力与成长：支持对外分享、论文/专利沉淀与跨团队共建 岗位职责 1、主导基于大模型的 AI Agent 全生命周期研发，包括通用型及垂直领域 AI Agent 的应用架构设计、数据构建、模型训练与评测； 2、运用 SFT、RL 等 Post-training 训练方法，提升大模型在自主规划（Planning）、多步推理、RAG 增强生成、工具调用、数据问答等方面的能力； 3、构建 Agent RL 所需的环境与训练方法，设计合理的 Reward Function 和优化函数，激发模型在垂直领域内的泛化性，探索无/少人类专家样本依赖的 Agent 优化方案； 4、跟踪 LLM 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，重点突破工具集成复杂推理、数据洞察、AI 搜索等方向的应用创新； 5、持续优化 Agent 算法与系统架构，构建端到端智能体评测体系，开发自动化评估工具与多维评价指标，提升系统性能与效率。
核心负责多Agent智能回答系统的算法设计与业务落地，推动技术转化为产品核心竞争力 1. 负责多 Agent 协作回答系统的算法设计与落地，围绕 AI 搜索场景，构建高效的多 Agent 任务规划、推理决策与答案生成方案。 2. 研究并落地 Agent 核心能力，包括 Tool Use、多步推理（ReAct / CoT）、动态任务拆解与上下文管理，设计能自主完成复杂搜索回答任务的 Agent 系统。 3. 跟进 Agent 与大模型领域前沿技术动态，快速验证新方法在业务场景中的适用性，推动算法持续迭代升级。 4. 搭建面向多 Agent 回答场景的模型与算法评估体系，涵盖主流评测基准与业务定制化指标，保障效果可量化、可追溯。 5. 主导从算法实验、原型验证到系统上线的全链路交付，结合业务实际场景，解决搜索回答中的核心痛点。
1. 负责面向真机 Benchmark 和数据闭环场景的 Agent 应用算法与工程落地，支撑问题诊断、评测判断、任务决策、工具调用和结果回流等关键场景。 2. 负责建设 Agent Harness，支撑工具调用、Context / Memory 管理、任务编排、多 Agent 协同、运行观测、人工复核和结果回流。 3. 负责构建 Agent / Harness 端到端评测能力，围绕 Grader、Advisor、工具调用正确率、多步任务成功率等指标持续优化 Agent 表现。 4. 负责或参与基于闭环运行数据、人工反馈和评测结果构建训练与评测数据，支持 Agent 相关模型的微调、强化学习、蒸馏、评测和推理优化。 5. 与平台、数据工具链、仿真引擎、算法和产品团队协同，推动模型能力、工具策略和 Harness 机制在实际闭环流程中协同优化。
1、用户行为理解与画像建模：负责跨境电商场景下的用户行为理解、买家需求识别、采购意图建模与用户画像体系建设，结合站内行为、搜索意图、沟通内容、商品偏好、交易路径等多源数据，挖掘高价值用户与高潜商机，提升用户分层、商机识别和转化预估能力。 2、搜索、社媒、Push、Email 等渠道用户增长：负责多触点用户增长算法优化，覆盖搜索、社媒投放、Push、Email、站内推荐等渠道，支持拉新、激活、留存、召回和转化等增长目标；通过意图识别、内容生成、个性化推荐、触达时机优化和人群策略优化，提升各渠道用户触达效率和转化效果。 3、预算约束下的多渠道用户增长优化：负责预算约束下的跨渠道流量采买和增长策略优化，围绕 ROI、LTV、转化率、获客成本等核心指标，建设广告投放优化、竞价优化、预算分配、流量质量评估和增量价值评估能力，提升整体增长效率和预算使用效率。 4、用户增长基础算法研发：负责用户增长相关基础算法能力建设，包括转化预估、LTV 预估、uplift modeling、因果推断、A/B Test、推荐排序、大模型 Reasoning、RAG、Tool Use、Agent Workflow、多模态理解与生成等方向，支持用户增长、广告投放、AI 买家谈单 Agent 等业务场景持续迭代。