小红书(xiaohongshu)招聘AI 应用架构工程师（AI应用）
招聘职位：
AI 应用架构工程师（AI应用） 搜索同类职位
岗位职责：
1、主导 AI 应用与 Agent 技术架构设计，建设面向搜索、问答、推荐及复杂任务场景的通用工程底座，支持业务快速接入与规模化复用。
2、负责 Agent Runtime 与编排引擎设计，涵盖 Planning、ReAct、Workflow、Agent as Tool、动态图执行、状态管理、并行调度、中断恢复等核心能力。
3、负责多轮对话和模型交互的上下文架构，包括消息构造、历史筛选、Token 预算、上下文裁剪与压缩、会话隔离、短期与长期记忆，以及 RAG 检索结果的组织与回填。
4、建设不同页面及业务入口的上下文工程能力，对搜索结果页、详情页、推荐页、对话页等场景中的页面内容、用户状态、交互行为、业务实体和渠道信息进行抽取、筛选、压缩与标准化，并通过统一 Context Schema 注入 Agent 状态、模型消息及工具参数。
5、建设标准化的 Agent 工具体系，定义 Tool Protocol、输入输出 Schema、错误码和权限边界，实现工具的声明式注册、动态发现、并行调用、超时重试、幂等控制、熔断降级及结果溯源。
6、建设大模型应用工程基础设施，覆盖 Prompt 版本管理、多模型路由、流式推理、模型降级、语义缓存、灰度发布、实验分桶，以及模型效果与资源治理。
7、负责 AI 应用性能与可靠性架构，建立容量评估、全链路压测、限流、熔断、降级、容灾和故障恢复机制，持续优化首 Token 延迟、TP99、吞吐量和调用成功率。
8、负责 AI 应用成本架构与预算管理，结合业务流量、模型路由、输入输出 Token、调用频次和工具链路建立成本测算模型，核算单次请求、会话及任务成本，建设成本归因、预算预警和持续优化机制。
9、建设 Agent 全链路可观测体系，统一 Trace、日志和指标，支持模型调用、Prompt、上下文、工具参数、状态流转、Token 消耗、调用成本和异常原因的追踪与审计。
10、设计多渠道应用适配机制，屏蔽不同产品入口、交互协议和数据格式差异，保证 Agent 核心能力在多端、多页面和多业务场景下的一致性与可扩展性。
11、与评测平台团队协作，定义执行轨迹、上下文、模型输出和工具调用的评测采集标准，为过程评测、端到端评测和发布门禁提供完整数据。
12、跟踪 Context Engineering、MCP、A2A、Agentic Workflow、Multi-Agent、Long-Horizon Agent、Computer Use、Durable Execution、Agent Runtime 互操作与 Agent 自进化等前沿方向，判断技术成熟度，并将有效能力转化为生产级框架、协议与工程标准。
任职要求：
1、本科及以上学历，计算机、软件工程、人工智能等相关专业，具备5年以上后端、分布式系统或平台工程研发经验。
2、具备 AI Agent 或大模型应用生产实践，主导或深度参与过 Agent 平台、Agent Runtime、工作流引擎或大模型应用平台建设。
3、熟练掌握 Java、Python、Go 中至少一种编程语言，具备扎实的数据结构、并发编程、网络通信及工程实现能力。
4、具备优秀的系统架构能力，能够在高并发、长链路、复杂状态和异步任务场景下完成系统拆分、数据建模及可靠性设计。
5、深入理解 LLM 应用开发范式，熟悉上下文窗口、Prompt Engineering、Tool/Function Calling、ReAct、RAG、Embedding及模型推理链路。
6、熟悉 LangGraph、LangChain、Spring AI、AutoGen、CrewAI 等框架中的一种或多种，并理解其状态模型、执行机制和工程边界。
7、具备上下文工程实践，熟悉多轮对话、页面上下文抽取与注入、消息压缩、Token 管理、状态隔离、记忆管理和知识检索。
8、具备 AI 应用全链路压测实践，能够覆盖应用接入、Agent 编排、模型推理、上下文处理、RAG 检索及 Tool 调用，并根据压测结果完成容量规划和性能优化。
9、具备大模型应用成本测算与治理经验，能够结合流量规模、Token 消耗、模型单价、模型路由和工具调用核算成本，并推动成本预算、归因和优化落地。
10、熟悉超时、重试、幂等、限流、熔断、缓存、消息队列、任务调度、容灾和分布式追踪等生产工程能力。
11、能够在效果、时延、稳定性、成本和研发效率之间进行技术取舍，并推动架构方案跨团队落地。
12、具备良好的技术影响力，能够制定工程规范、推动公共组件建设，并指导团队解决复杂技术问题。
加分项
有自研 Agent Runtime、Multi-Agent 平台、Workflow 引擎或分布式任务调度系统经验。
有搜索、推荐、知识问答、交易决策或其他复杂任务型 AI 应用架构经验。
有大规模模型网关、多模型路由、高并发流式服务或推理资源治理经验。
熟悉 MCP、A2A 等 Agent 工具与通信协议，并有协议设计或生产接入经验。
有 Long-Horizon Agent、Computer Use、Agent 自进化或其他前沿 Agent 能力的生产探索经验。
有开源 Agent 框架贡献、技术标准建设或跨团队公共平台建设经验。
1、主导 AI 应用与 Agent 技术架构设计，建设面向搜索、问答、推荐及复杂任务场景的通用工程底座，支持业务快速接入与规模化复用。
2、负责 Agent Runtime 与编排引擎设计，涵盖 Planning、ReAct、Workflow、Agent as Tool、动态图执行、状态管理、并行调度、中断恢复等核心能力。
3、负责多轮对话和模型交互的上下文架构，包括消息构造、历史筛选、Token 预算、上下文裁剪与压缩、会话隔离、短期与长期记忆，以及 RAG 检索结果的组织与回填。
4、建设不同页面及业务入口的上下文工程能力，对搜索结果页、详情页、推荐页、对话页等场景中的页面内容、用户状态、交互行为、业务实体和渠道信息进行抽取、筛选、压缩与标准化，并通过统一 Context Schema 注入 Agent 状态、模型消息及工具参数。
5、建设标准化的 Agent 工具体系，定义 Tool Protocol、输入输出 Schema、错误码和权限边界，实现工具的声明式注册、动态发现、并行调用、超时重试、幂等控制、熔断降级及结果溯源。
6、建设大模型应用工程基础设施，覆盖 Prompt 版本管理、多模型路由、流式推理、模型降级、语义缓存、灰度发布、实验分桶，以及模型效果与资源治理。
7、负责 AI 应用性能与可靠性架构，建立容量评估、全链路压测、限流、熔断、降级、容灾和故障恢复机制，持续优化首 Token 延迟、TP99、吞吐量和调用成功率。
8、负责 AI 应用成本架构与预算管理，结合业务流量、模型路由、输入输出 Token、调用频次和工具链路建立成本测算模型，核算单次请求、会话及任务成本，建设成本归因、预算预警和持续优化机制。
9、建设 Agent 全链路可观测体系，统一 Trace、日志和指标，支持模型调用、Prompt、上下文、工具参数、状态流转、Token 消耗、调用成本和异常原因的追踪与审计。
10、设计多渠道应用适配机制，屏蔽不同产品入口、交互协议和数据格式差异，保证 Agent 核心能力在多端、多页面和多业务场景下的一致性与可扩展性。
11、与评测平台团队协作，定义执行轨迹、上下文、模型输出和工具调用的评测采集标准，为过程评测、端到端评测和发布门禁提供完整数据。
12、跟踪 Context Engineering、MCP、A2A、Agentic Workflow、Multi-Agent、Long-Horizon Agent、Computer Use、Durable Execution、Agent Runtime 互操作与 Agent 自进化等前沿方向，判断技术成熟度，并将有效能力转化为生产级框架、协议与工程标准。
任职要求：
1、本科及以上学历，计算机、软件工程、人工智能等相关专业，具备5年以上后端、分布式系统或平台工程研发经验。
2、具备 AI Agent 或大模型应用生产实践，主导或深度参与过 Agent 平台、Agent Runtime、工作流引擎或大模型应用平台建设。
3、熟练掌握 Java、Python、Go 中至少一种编程语言，具备扎实的数据结构、并发编程、网络通信及工程实现能力。
4、具备优秀的系统架构能力，能够在高并发、长链路、复杂状态和异步任务场景下完成系统拆分、数据建模及可靠性设计。
5、深入理解 LLM 应用开发范式，熟悉上下文窗口、Prompt Engineering、Tool/Function Calling、ReAct、RAG、Embedding及模型推理链路。
6、熟悉 LangGraph、LangChain、Spring AI、AutoGen、CrewAI 等框架中的一种或多种，并理解其状态模型、执行机制和工程边界。
7、具备上下文工程实践，熟悉多轮对话、页面上下文抽取与注入、消息压缩、Token 管理、状态隔离、记忆管理和知识检索。
8、具备 AI 应用全链路压测实践，能够覆盖应用接入、Agent 编排、模型推理、上下文处理、RAG 检索及 Tool 调用，并根据压测结果完成容量规划和性能优化。
9、具备大模型应用成本测算与治理经验，能够结合流量规模、Token 消耗、模型单价、模型路由和工具调用核算成本，并推动成本预算、归因和优化落地。
10、熟悉超时、重试、幂等、限流、熔断、缓存、消息队列、任务调度、容灾和分布式追踪等生产工程能力。
11、能够在效果、时延、稳定性、成本和研发效率之间进行技术取舍，并推动架构方案跨团队落地。
12、具备良好的技术影响力，能够制定工程规范、推动公共组件建设，并指导团队解决复杂技术问题。
加分项
有自研 Agent Runtime、Multi-Agent 平台、Workflow 引擎或分布式任务调度系统经验。
有搜索、推荐、知识问答、交易决策或其他复杂任务型 AI 应用架构经验。
有大规模模型网关、多模型路由、高并发流式服务或推理资源治理经验。
熟悉 MCP、A2A 等 Agent 工具与通信协议，并有协议设计或生产接入经验。
有 Long-Horizon Agent、Computer Use、Agent 自进化或其他前沿 Agent 能力的生产探索经验。
有开源 Agent 框架贡献、技术标准建设或跨团队公共平台建设经验。
免责声明：
此信息由小红书官网 (查看来源)审核并发布，我们转载该信息，仅出于传递更多就业招聘资讯、促进大学生及广大求职者就业之目的。该招聘职位信息的真实性、准确性、时效性及合法性均由原始发布方“小红书官网”负责。我们作为信息转载平台，不构成求职建议，不涉及任何职业中介服务，不对其内容承担任何形式的保证责任。请用户在使用转载信息时保持审慎，自行判断并承担相应风险，求职请认准企业官方渠道！
