腾讯集团
游戏场景中AI Agent的研究与应用
岗位职责
课题背景： 近年来，以大语言模型（LLM）为认知核心的AI Agent技术快速发展，其"感知—规划—决策—行动—反思"的闭环能力框架已在软件开发、科学研究、办公自动化等通用场景中展现出强大潜力。游戏作为具备明确目标、丰富交互、复杂规则与动态环境的"天然Agent试验场"，为AI Agent的研究与应用提供了理想且极具挑战性的落地土壤。然而，游戏场景对Agent在实时决策、长程规划、多角色协作、环境泛化以及拟人化表现等方面提出了远高于通用场景的要求，当前基于LLM的Agent架构在游戏领域的适配与优化仍处于早期阶段。因此，本课题聚焦于构建面向游戏场景的高能力AI Agent系统，典型应用场景例如：Agent自主理解游戏任务目标，通过感知游戏画面、解析游戏状态、调用操作接口，完成复杂的长程游戏任务（如副本通关、主线任务推进）；基于LLM驱动的智能NPC，具备个性化性格与情感状态，能够根据玩家行为动态调整对话与行为，实现沉浸式交互体验；Agent驱动的游戏自动化测试，自主探索地图、遍历任务流程、发现并复现Bug，显著提升QA效率等等。 课题挑战：
游戏Agent架构设计与环境接入： 游戏环境具有多模态观测（画面、小地图、状态面板、聊天信息等）与多类型动作空间（离散指令、连续操控、自然语言对话等）的特点。如何设计模块化、可扩展的Agent认知架构（感知、记忆、规划、行动、反思），使其能够高效接入异构游戏环境并完成复杂任务？如何设计标准化的游戏环境接口与观测-动作抽象层？
长程规划与层级决策： 游戏任务往往具备高度的层级结构与长程依赖（如主线任务→子目标→具体操作序列），决策序列可长达数百甚至数千步。如何使Agent具备从高层策略到低层执行的层级规划能力？如何结合LLM的推理能力与强化学习的策略优化实现高效的目标分解与动态重规划？如何应对游戏中的稀疏奖励与超长决策Horizon问题？
Agent记忆系统设计与知识管理： 游戏Agent需要同时维护短期工作记忆（当前任务上下文、近期观测）、长期经验记忆（历史策略与成败经验总结）以及世界知识记忆（游戏机制、地图信息、物品属性等）。如何设计高效的记忆存储、检索、更新与遗忘机制？如何避免LLM上下文窗口溢出与信息过载导致的决策质量下降？ 多Agent协作与对抗博弈： 游戏中广泛存在多角色协作（组队副本、团战配合）与竞争对抗（PvP、策略博弈）场景。如何设计多Agent间的高效通信协议与协作机制？如何使多个LLM-based Agent在信息不完全、动态变化的博弈环境中涌现出有效的团队策略？如何避免多Agent系统中的协调失败、通信冗余与策略坍缩问题？
奖励系统设计与强化学习优化： 对于复杂的游戏任务，环境反馈往往是稀疏且延迟的。如何结合游戏沙盒环境设计有效的稠密/稀疏奖励信号？如何利用LLM自评估、过程奖励模型（PRM）等方法构建可靠的奖励系统？如何通过强化学习（RLHF/RLAIF、PPO、GRPO等）进一步优化Agent的决策策略？ 具体工作： 你将参与到游戏Agent认知架构设计与环境接口开发、层级规划与任务分解策略研究、Agent记忆系统（短期/长期/世界知识）的构建与优化、多Agent协作与博弈机制设计、游戏自动化测试Agent开发（自主探索/Bug发现/流程通测）、奖励系统建设与强化学习策略优化等工作中，提升大模型驱动的AI Agent在游戏研发、测试、运营及玩家体验场景中的实际能力与落地效果。
任职要求
包含但不限于计算机科学、人工智能、自动化、控制工程、模式识别、软件工程、信息工程、机器人学、认知科学、应用数学、统计学、运筹学等专业的博士和优秀硕士；
熟练掌握大语言模型（LLM）基本原理与应用，熟悉Agent相关技术栈（如Prompt Engineering、ReAct、Chain-of-Thought、Tool Use、RAG等），了解强化学习基本方法（PPO、DQN、MCTS等）；
熟悉PyTorch、Hugging Face Transformers、LangChain/LlamaIndex等至少一个主流深度学习或Agent开发框架，具备较强的工程实现与系统搭建能力；
熟悉Python编程语言，具备良好的软件工程素养，熟悉Linux开发环境；
加分项：在AI Agent、强化学习、NLP、游戏AI等相关领域发表过顶会/顶刊论文（如NeurIPS、ICML、ICLR、ACL、AAAI、CoRL等）；有游戏AI相关项目（如游戏Bot、自动化测试、智能NPC等）开发经验；有维护过具有一定影响力的开源项目。 此课题同时招聘应届实习生和低年级实习生。
信息来自企业官方招聘渠道
OfferSeek 对公开岗位信息进行聚合、去重和结构化整理，最终申请以企业官方页面为准。