美团 · JD 拆解

AI Agent 后端岗位拆解:AI Agent 开发(后端方向)

到店、外卖与客服场景的交易 Agent 与商品知识库问答,业务落地色彩重,稳定性与转人工是高频考点。

岗位族:AI Agent 后端层级:校招 / 社招 1-3 年方向:项目实战与企业级 / 工具调用 / 安全与合规

更新于 2026-09-28 · 口径:该方向公开 JD 与公开面经的高频归纳

这条 JD 在招什么人

在交易场景里做 Agent 的后端工程师。美团的 AI 岗业务落地色彩重:到店/外卖的商家助手、客服系统的自动化工单、商品知识库问答。这类场景的特点是「错了要赔钱」——Agent 给错商家信息、下错单,损失是真实的。所以面试里稳定性、兜底、转人工这些「保守工程」话题的权重,比纯技术炫技高。

业务场景推测

大概率是客服 Agent(工单分派与自动回复)、商家端助手(经营问答、商品管理)、或内部效率工具(置信度:中高)。客服场景的标志:转人工率、会话轮次、满意度指标。

硬技能:必须会什么

  • Agent 工程循环与工具调用:失败重试、兜底、超时治理
  • 人机协作:转人工的触发条件与边界设计(美团高频考点)
  • RAG 落地:企业知识库的坑、文档权限
  • 后端功底:Java 或 Python、高并发、消息队列、监控告警
  • 稳定性:灰度、回滚、护栏分层
  • 框架:LangGraph 类编排框架与手写 prompt 流程的对比(美团真题)

加分项:什么能拉开差距

  • 有「上线后」的故事:延迟怎么降的、成本怎么控的、监控看的哪些指标
  • 转人工率的量化优化经历
  • 内容安全与合规的实操(训练数据合规、输出拦截)
  • 对「什么任务不该交给 Agent」有清晰判断

JD 没写但面试会问

  • Agent 搞不定怎么转人工,边界怎么设计(美团高频)
  • 用 LangGraph 实现多轮 Agent 比手写 prompt 强在哪(美团真题)
  • 工具调用失败的重试与兜底
  • 上线后监控看哪些指标、怎么告警
  • Agent 产出的结果直接执行有什么风险,回滚怎么做

能力模型

| 层 | 内容 | 达标线 | | --- | --- | --- | | 基础层 | LLM API、流式、上下文 | 熟练 | | 工程层 | 后端服务、队列、监控 | 这是本岗的重心 | | Agent 层 | 工具调用、编排、护栏 | 有失败处理设计 | | 业务层 | 转人工、成本、合规 | 有指标化经历 |

简历怎么改

  • 有客服/交易/工单类 AI 经历的,把「转人工率、解决率、满意度」这些业务指标写出来
  • 后端经历与 AI 经历并列写,不要只堆 AI 名词——这个岗要的是「AI 时代的后端」
  • 稳定性相关(灰度、回滚、降级)单独成条

项目建议

  • 交易/客服 Agent:带护栏分层、转人工策略、回滚机制(站内项目卡框架可复用)
  • 企业知识库问答:权限 + 监控 + badcase 闭环
  • 用项目匹配器拿方案

准备计划

  • 7 天:企业落地分类 10 题 + 工具调用分类过完;项目按「稳定性故事」重写
  • 21 天:补监控与安全两块;做一个带转人工策略的 demo;简历体检
  • 45 天:Agent 应用开发路线走完,企业落地章节重点过

对应面试题:直接刷这几题

下面是这个方向的高频题(站内真实题库,一题一页带答案)。面试前按这个清单过一遍。

相似岗位拆解

下一步

口径说明:本页是该方向公开 JD 与公开面经的高频归纳,不对应某一篇特定 JD,不包含具体薪资与编制信息; 业务场景为推断并标注了置信度,AI 辅助整理、已按站内核查流程过题。招聘以官方发布为准。