流式视频Agent工程师

职位描述

1、参与国内领先的实时交互式视频生成模型 Vidu S 的研发，负责视频生成 Agent 的设计与落地，使其能够准确理解用户意图，并实时转化为驱动视频生成模型的控制指令。

2、负责面向交互式视频生成场景的 VLM 训练、评测与迭代优化，持续提升模型的多模态理解、指令遵循和交互决策能力；

3、构建 Agent 的多轮对话、意图识别、上下文管理及工具调用能力，打通“用户输入 → 意图解析 → 指令生成 → 视频反馈”的端到端链路；

4、设计并优化 Agent 的编排与决策机制，提升其在流式、低延迟场景下的响应速度、引导准确性与运行稳定性；

5、与算法、Infra及产品团队紧密协作，推进 Agent、VLM 与视频生成模型的联合优化、系统集成及产品落地。

任职要求

1、计算机、人工智能等相关专业，扎实的工程与系统基础，熟练掌握 Python；

2、熟悉 LLM / Agent 的基本原理与开发，有实际构建对话系统或 Agent 应用的经验；

3、对 VLM（视觉语言模型）、视频理解有一定了解，具备参与相关模型训练的意愿与基础；

4、具备较强的问题定位与工程落地能力；

5、加分项：有多模态、视频/图像生成方向经验；有 VLM、视频理解相关的训练或研究经验；熟悉主流 Agent 框架与 LLM 应用编排；有实时/流式交互系统经验，或顶会论文、显著开源贡献。