智能体（Agent）算法工程师

Job description

（1）智能体系统全链路研发：负责微信生态下生活服务Agent系统全链路设计与研发，从Agent Harness、上下文治理、工具调用、长程规划到自我纠错，构建具备自主决策与动态规划能力的端到端智能系统。 （2）Agent核心算法与后训练：主导SFT/DPO/GRPO等后训练方法在生活服务场景落地，持续提升Agent在工具调用、协作推理、多目标决策上的表现，覆盖数据、评测、架构、模型全流程。 （3）业务场景规模化落地：深度融合微信Agent+美团多业务场景，与产品、工程、业务团队紧密协作，推动Agent技术在本地生活服务场景规模化应用。 （4）评估体系与数据飞轮：构建多维度Agent评估体系，基于线上真实反馈打通评测—数据—训练闭环，持续拉高Agent在效果、规模、推理速度等关键指标上的天花板。 （5）前沿方向探索：追踪Agentic RL、多智能体协作、Skill自进化、推理成本优化等前沿课题，拓展智能体系统能力边界。 （1）有好奇心，敢想敢做，责任心强。

（2）对AI搜索、LLM后训练、Agent决策有深入了解。 （3）有Agent系统或对话系统完整项目经验，能把控技术方案与项目进度。 （4）有OpenClaw/Claude Code/Codex深度使用经验与产出优先。 （5）熟悉Agentic RL、Tool-Use训练、Reward Model设计者优先。 （6）GitHub高Star、AI原生项目或向OpenClaw/OpenCode提交过核心PR者优先。 （1）与微信深度合作：作为微信Agent首批深度合作试点团队，深度建设生活服务Agent能力，有机会触达微信海量用户。 （2）不看职级论英雄：优秀同学可直接承担方向主R。 （3）To A新范式：除了服务消费者（To C）和商家（To B），服务AI Agent（To A）正在成为新的核心命题——让Agent替用户完成生活服务的决策与执行，这是行业级的新机会。 （4）场景稀缺性：美团生活服务是Agent天然落地场景——高频刚需、决策链路长、工具调用密集、多目标博弈，配合海量真实数据，构成极高的场景+数据壁垒。

（5）充足资源与AI-Native文化：GPU集群+Token供给充足，团队全面拥抱AI工具，把"用AI加速应用"本身当作课题，落地效率远高于传统模式。 （6）团队技术积累扎实：Agent项目内部评比中突出，26年上半年团队在ICML/ICLR/ACL/CVPR等顶会发表论文9篇，获CVPR2026计算透明奖。