腾讯(tencent)招聘腾讯营销-高级数据产品agent算法工程师
招聘职位:
腾讯营销-高级数据产品agent算法工程师 搜索同类职位
岗位职责:
1.智能体架构设计与开发:负责核心智能体(Agent)应用的架构设计与开发,利用 LangChain、LangGraph、类 OpenClaw 的技术框架搭建复杂推理链路,实现基于大模型的任务规划、工具调用与状态管理;
2.算法与工程落地:负责 RAG(检索增强生成)、Context Engineering、Function Calling 等技术的深度优化,结合向量数据库、图数据库或 Text2SQL 引擎,提升智能体的知识召回精度和推理成功率;
3.模型调参与评测:跟踪并引入最新 LLM 技术,负责模型的 SFT/RL 微调,搭建完善的 LLM 评测体系,以数据驱动的方式提升模型在具体场景下的表现;
4.系统抽象与能力沉淀:针对多业务接入的需求,抽象并开发配置化、插件化、可观测性等通用能力,确保智能体架构的高可用性、可扩展性及低接入成本;
5.全链路优化:关注 AI 应用的工程化指标(如推理成本、响应延迟、任务成功率),从算法选型、模型量化、Prompt 优化等多维度持续迭代,提升用户体验。
岗位要求:
1.学历与经验:计算机科学、机器学习、人工智能或相关专业硕士及以上学历(优秀本科酌情考虑),3 年以上后端或算法研发经验;
2.算法基础:在 NLP、多模态、AIGC 或机器学习领域有深入理解和实践经验,熟悉大模型的生成原理与评测方法;
3.工程能力:精通 Python,具备优秀的工程实现能力;熟悉异步编程、分布式系统设计,了解高并发、高可用架构的设计模式;
4.智能体框架:必须具备智能体开发经验,熟练掌握至少一种主流 Agent 架构(如 LangChain/LangGraph/AutoGen/Hermes Agent/NanoBot),并能深入理解其底层原理(如 Agent Executor、Tool Calling、Chain 的设计模式);
5.检索增强:熟悉 RAG 全链路技术,包括但不限于文档解析、切片策略、Embedding 模型选型、检索重排;熟悉向量数据库(如 Milvus、Faiss、Chroma)或图数据库(如 Neo4j)的应用与优化;
6.调参与优化:对 Prompt Engineering 有深刻理解,精通通过 SFT 或 RL 微调模型提升特定任务能力;有参与 LLM 评测体系建设或基准测试经验者优先;
7.软性素质:具备强烈的问题驱动意识,善于复盘与技术沉淀,乐于分享和团队合作;对 AI 工程化有激情,具备拼搏精神,能在大模型快速迭代的环境中持续学习。
岗位介绍:
渴望为世界带来新意的人,早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿不断探索,积极布局,并为优秀的你提供无限广阔的舞台。我们坚信科技的不断革新,最终能带来美好的、撼动人心的改变。
1.智能体架构设计与开发:负责核心智能体(Agent)应用的架构设计与开发,利用 LangChain、LangGraph、类 OpenClaw 的技术框架搭建复杂推理链路,实现基于大模型的任务规划、工具调用与状态管理;
2.算法与工程落地:负责 RAG(检索增强生成)、Context Engineering、Function Calling 等技术的深度优化,结合向量数据库、图数据库或 Text2SQL 引擎,提升智能体的知识召回精度和推理成功率;
3.模型调参与评测:跟踪并引入最新 LLM 技术,负责模型的 SFT/RL 微调,搭建完善的 LLM 评测体系,以数据驱动的方式提升模型在具体场景下的表现;
4.系统抽象与能力沉淀:针对多业务接入的需求,抽象并开发配置化、插件化、可观测性等通用能力,确保智能体架构的高可用性、可扩展性及低接入成本;
5.全链路优化:关注 AI 应用的工程化指标(如推理成本、响应延迟、任务成功率),从算法选型、模型量化、Prompt 优化等多维度持续迭代,提升用户体验。
岗位要求:
1.学历与经验:计算机科学、机器学习、人工智能或相关专业硕士及以上学历(优秀本科酌情考虑),3 年以上后端或算法研发经验;
2.算法基础:在 NLP、多模态、AIGC 或机器学习领域有深入理解和实践经验,熟悉大模型的生成原理与评测方法;
3.工程能力:精通 Python,具备优秀的工程实现能力;熟悉异步编程、分布式系统设计,了解高并发、高可用架构的设计模式;
4.智能体框架:必须具备智能体开发经验,熟练掌握至少一种主流 Agent 架构(如 LangChain/LangGraph/AutoGen/Hermes Agent/NanoBot),并能深入理解其底层原理(如 Agent Executor、Tool Calling、Chain 的设计模式);
5.检索增强:熟悉 RAG 全链路技术,包括但不限于文档解析、切片策略、Embedding 模型选型、检索重排;熟悉向量数据库(如 Milvus、Faiss、Chroma)或图数据库(如 Neo4j)的应用与优化;
6.调参与优化:对 Prompt Engineering 有深刻理解,精通通过 SFT 或 RL 微调模型提升特定任务能力;有参与 LLM 评测体系建设或基准测试经验者优先;
7.软性素质:具备强烈的问题驱动意识,善于复盘与技术沉淀,乐于分享和团队合作;对 AI 工程化有激情,具备拼搏精神,能在大模型快速迭代的环境中持续学习。
岗位介绍:
渴望为世界带来新意的人,早已对描绘未来的“热词”不陌生——人工智能、机器学习、数据科学等等。腾讯始终在业界前沿不断探索,积极布局,并为优秀的你提供无限广阔的舞台。我们坚信科技的不断革新,最终能带来美好的、撼动人心的改变。
免责声明:
此信息由腾讯官网 (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“腾讯官网”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!