近 30 天美国 17 个 Agent 与后训练岗位：机会集中在湾区，初级入口稀少 (2026)

最近 30 天，我确认了 17 个同时满足四项条件的岗位：美国境内、方向直接相关、原始发布日期可核验、目前仍可申请。

岗位的分布很集中。16 个岗位把旧金山湾区列为工作地点，只有 2 个同时提供美国远程选项。7 个职位的标题直接写着 Staff、Senior、Manager 或 Director。

这些招聘信息反复出现几组用人标准。公司看重能把模型、工具、数据、评测和生产系统连成闭环的开发者。Agent 岗位强调编排、权限、记忆、执行环境与可观测性；后训练岗位把数据、奖励、环境、训练运行和评测放在一起。

本期最重要的五个判断

岗位分成三条线：8 个偏 Agent 产品与平台，7 个偏后训练、对齐与强化学习，2 个偏评测基础设施。
湾区几乎是默认地点：17 个岗位中，16 个提供湾区地点；纽约有 6 个，西雅图有 2 个。
远程岗位很少：只有 NVIDIA 的两个职位同时列出美国远程选项，其余岗位都要求在指定城市工作。
招聘明显偏向有经验的人：7 个职位在标题里已经标明 Staff、Senior、Manager 或 Director；另外 4 个职位明确要求至少 3—7 年经验。本期没有一个职位明确面向应届生或初级工程师。
公开薪酬偏高，但样本被资深岗位拉高：10 个岗位公布了年薪或基本工资区间。区间下限的中位数约为 29.17 万美元，上限的中位数约为 39.5 万美元。最低下限为 15.04 万美元，最高上限为 62.5 万美元；部分岗位的股权另计。

Agent 产品与平台：8 个岗位

Anthropic — Staff Software Engineer, Claude Code 地点：旧金山、纽约、西雅图｜发布：8 月 7 日｜年薪：32 万—62.5 万美元。团队要继续开发 Claude Code 这类 agentic coding tools，重点包括工具调用、链式执行、编排、CLI、容器与云基础设施，以及大规模 TypeScript 工程。职位没有列出硬性学历要求。1
Scale AI — Frontier Agents Engineer (Applied AI) 地点：旧金山、纽约｜发布：7 月 31 日｜年薪：18 万—22.5 万美元。工作内容是把前沿模型、检索和企业软件组合成可部署的 Agent，并用量化指标持续评测。岗位要求 4 年以上软件工程、机器学习或应用 AI 经验，核心栈包括 Python、MCP、Agent 框架、向量数据库和 RAG。2
OpenAI — Software Engineer, API Agents 地点：旧金山｜发布：8 月 1 日｜年薪：29.3 万—38.5 万美元，另有股权。团队负责共享的 Agent harness、工具和基础设施，范围覆盖搜索、上下文连接、Computer Use、记忆、子 Agent、多 Agent 协作、安全执行、权限、可观测性与评测。职位更适合做过可靠后端服务和基础设施抽象的工程师。3
OpenAI — Product Engineer, Full Stack - Agents 地点：旧金山｜发布：8 月 17 日｜年薪：29.3 万—38.5 万美元，另有股权。这个团队在做能持续工作的 AI coworkers，工程重点是持久状态、异步执行、编排、工具调用和进度反馈。岗位要求 7 年以上全栈或产品工程经验，前端偏 TypeScript/React，后端可使用 Python、Go、Rust 或 TypeScript。4
Perplexity — Member of Technical Staff, AI Software Engineer, Agents 地点：旧金山｜发布：8 月 12 日｜年薪：22 万—40.5 万美元，另有股权。岗位覆盖 Agent harness、Computer、Comet 与 Agent API，还要训练能根据多模态状态选择动作的决策模型。公司强调 AI/ML 能力、产品直觉和把系统真正做出来的工程能力，没有列出硬性学历门槛。5
Sierra — Software Engineer, Agent - Tech, Media & Telecom 地点：旧金山｜发布：8 月 13 日｜薪酬：未公开。工程师要从试点一直负责到部署和持续迭代，向企业客户交付生产级 Agent。JD 点名评测框架、Agent 工具、RAG、提示工程，以及 React、TypeScript、Go；有生产系统和客户沟通经验更重要。6
Apple — ML Engineer, Creator Studio 地点：库比蒂诺｜发布：8 月 17 日｜基本工资：15.04 万—27.76 万美元。团队要把 Agent 能力放进专业创意应用，工作包括 Agent 架构、工具与技能设计、结构化输出、函数调用和开放式创作任务的评测。岗位要求 3 年以上开发经验，以及计算机或相关专业学士学位，或同等实践经验。7
Databricks — Engineering Manager, CustomerLake Profile Agents 地点：纽约｜发布：8 月 13 日｜薪酬：未公开。这个管理岗负责 CustomerLake 的 Profile Agents，让 Agent 自动生成数据管线、匹配逻辑和身份解析流程，最终产出 Customer 360。适合做过数据平台、湖仓、身份解析和 Agent 应用架构的工程负责人。8

后训练、对齐与强化学习：7 个岗位

Anthropic — Staff Software Engineer, Code RL 地点：旧金山、纽约、西雅图｜发布：7 月 24 日｜年薪：40.5 万—62.5 万美元。团队为 Claude 的编码能力搭建并扩展 agentic RL 环境，工程师要负责沙箱执行、训练运行、数据管线和研究框架。岗位重视 Python、API 设计、分布式系统、容器与大规模数据处理。9
Anthropic — Technical Program Manager, RL Research 地点：旧金山、纽约｜发布：8 月 5 日｜年薪：36.5 万—43.5 万美元。工作横跨预训练到后训练，需要跟踪生产级 RL run、调试数据管线、阅读训练 transcript，并在研究、基础设施和数据运营团队之间调配资源。公司明确希望候选人先有机器学习工程或研究背景，再成长为项目负责人。10
Scale AI — Manager, Research Scientist 地点：旧金山、纽约｜发布：7 月 24 日｜年薪：29.04 万—36.3 万美元。团队研究大模型、后训练、评测和 Agent/RL 环境，还要建设评测方法与 Agent/RL 基础设施。岗位要求研究团队管理经验，适合已经能同时带研究方向和工程落地的人。11
OpenAI — Researcher, Alignment CoT Monitorability 地点：旧金山｜发布：8 月 4 日｜年薪：25 万—44.5 万美元，另有股权。研究重点是推理模型的思维链能否支持可扩展监督。相关监测系统已经用于大型 RL 训练运行，用来发现异常行为并改进奖励函数和训练环境。候选人需要扎实的实证机器学习能力，并熟悉模型行为、对齐或可解释性。12
Cognition — Research Engineer, Post-Training 地点：旧金山，现场办公｜发布：8 月 6 日｜薪酬：未公开。岗位直接负责 Devin 的后训练配方、数据集、训练阶段、超参数、评测和对齐方法。公司把研究与工程放在同一个职位里，更适合既能设计实验、又能亲手改训练系统的人。13
NVIDIA — Senior Director, GenAI Data Strategy 地点：圣克拉拉｜发布：8 月 10 日｜薪酬：未公开。这个岗位负责前沿模型的数据战略，JD 明确覆盖 SFT、RLHF、人类反馈流程、对齐与下一代 Agent 能力所需的后训练数据。候选人需要理解 LLM/VLM 训练流程、RLHF/RLAIF、大规模数据管线和合成数据。14
NVIDIA — Senior Deep Learning Scientist, Multimodal Agentic RL 地点：圣克拉拉或美国远程｜发布：7 月 27 日｜薪酬：未公开。研究内容包括多模态 Agent、工具调用、指令微调、偏好优化、RLHF、RLVR 与奖励设计。岗位要求候选人有强化学习算法实现和多模态模型后训练经验。15

评测基础设施：2 个岗位

xAI — Software Engineer - Evals 地点：帕洛阿尔托｜发布：7 月 22 日｜薪酬：未公开。团队要建立衡量模型能力和行为的工具，并维护前沿研究使用的评测平台。岗位要求 3 年以上持续写代码的经验；更关键的能力，是把质量、帮助性、真实性和安全性这类模糊概念变成可执行的测试。16
NVIDIA — Senior Software Engineer, Agent Simulation and Evaluation 地点：圣克拉拉或美国远程｜发布：8 月 12 日｜薪酬：未公开。工程师要用 Agent 自动完成仿真、评测、性能分析和报告，并研究推理模型、编码 Agent、并行子 Agent 与长时间工具调用的表现。岗位同时需要 Agent 方法、实验工具和系统性能分析能力。17

当前就业形势：岗位集中，入口偏向资深工程师

本期 Agent 岗位把重心放在生产系统

本期 8 个 Agent 产品与平台岗位，很少把重点放在「接入一个模型」。OpenAI 的 API Agents 要处理权限、记忆、安全执行和多 Agent 协作。Sierra 要求工程师从试点负责到上线后的持续迭代。Apple 把函数调用与评测放进专业创作软件；Databricks 则让 Agent 生成真实的数据管线和身份匹配逻辑。

这意味着面试会更接近分布式系统和产品工程，而不是提示词比赛。最有说服力的项目也会变：一个能处理失败重试、权限边界、状态持久化、评测与可观测性的 Agent，比一个流程顺畅的演示更接近这些岗位的真实工作。

这些岗位把后训练当作系统工程

7 个后训练、对齐与 RL 岗位覆盖了训练环境、数据、奖励、监测、评测、训练运行和研究管理。Anthropic 的 Code RL 岗位需要建设 agentic coding environments。Cognition 把训练配方与评测放在同一个职位里。OpenAI 用思维链监测结果改进奖励函数和环境；NVIDIA 把数据战略与 RLHF、SFT 和人类反馈流程放在高管岗位中。

企业需要的已经不是只懂某一种优化算法的人。候选人要能说明数据怎样进入训练、奖励怎样定义、环境怎样运行、结果怎样评测，以及模型行为出现偏差时该从哪一层排查。

地域集中比职位数量更值得警惕

16 个岗位提供湾区地点，真正的美国远程选项只有 2 个。纽约有 6 个机会，主要来自 Anthropic、Scale AI 与 Databricks；西雅图只有 Anthropic 的两个职位。

对不在湾区的候选人来说，地点会比技术栈更早成为筛选条件。求职者会在申请阶段先遇到办公地点和搬迁意愿的限制。求职计划最好先分成三组：愿意搬到湾区、只考虑纽约或西雅图、只投美国远程。三组岗位需要不同的搜索策略。

初级岗位在本期样本中缺席

本期没有一个职位明确面向应届生或初级工程师。7 个标题直接写明 Staff、Senior、Manager 或 Director；Scale AI、xAI、OpenAI 和 Apple 的 4 个岗位又分别写出 3—7 年以上经验要求。

公司更愿意为已经做过生产系统、训练运行或正式评测的人直接开职位。经验较少的求职者需要用作品补足这一段：公开评测集、失败案例、成本与延迟数据、训练前后对比，以及自己负责过的系统边界，都比「做过一个聊天机器人」更有效。

公开薪酬偏高，但不能只看最高数字

10 个公开薪酬的岗位中，区间下限中位数约 29.17 万美元，上限中位数约 39.5 万美元。Anthropic 的两个 Staff 工程岗最高达到 62.5 万美元；Apple 的 ML Engineer 下限为 15.04 万美元。

这些数字混合了不同职级、城市和薪酬口径。OpenAI 明确把股权放在基本工资之外，Anthropic 给出年度薪酬区间，Apple 给出基本工资；7 个岗位没有公开具体范围。更实际的比较方式，是先按职级和地点筛选，再比较基本工资、股权、奖金与搬迁支持。

现在准备，最值得补的四类证据

一个真正能运行的 Agent 系统。 项目里要有工具调用、状态、权限、失败重试、日志和评测。写清楚任务成功率、延迟、成本，以及你修过的一个真实故障。
一套训练与评测闭环。 后训练方向的作品要说明数据从哪里来、怎样清洗、奖励怎样设计、采用什么基线、结果怎样复现。只有最终分数，没有训练和排错过程，很难对应这些岗位。
一份按岗位语言重写的简历。 Agent 平台岗位突出后端、分布式系统、执行环境和可观测性；后训练岗位突出训练管线、RL、偏好优化与评测；研究岗位再补实验设计、论文或开源贡献。
一个明确的地点策略。 如果愿意搬到湾区，直接在简历和申请表中说明；如果只考虑远程，把搜索范围放到明确写着 US Remote 的职位，避免在地点不匹配的岗位上消耗大量时间。

样本口径

本文只纳入 2026 年 7 月 19 日至 8 月 18 日发布、采集时仍有申请入口的美国技术岗位。发布日期采用原始职位页显示的日期，并且必须能在公司官方招聘页，或公司使用的 Greenhouse、Ashby、Workday 等官方招聘系统中核验。

Google DeepMind、Meta 和 Amazon 都有方向匹配的职位，但它们的官方详情页没有提供可核验的原始发布日期，因此没有进入本期清单。Microsoft、Snowflake、Palantir、Salesforce、ServiceNow、Adobe 与 IBM 也没有在本次检索中形成满足全部条件的入选项。

这 17 个岗位适合用来观察当前招聘要求和求职门槛，不等同于美国市场的完整职位总量。下一期仍会使用相同口径滚动更新；已经收录且没有实质变化的职位不会重复占位。