岗位职责
- 参与企业级 Agent OS的研发与迭代，围绕 Agent Loop、上下文管理、Memory、Skills/Tools、多 Agent 协作、模型接入与任务编排等核心能力，提升智能体处理复杂任务的效果与稳定性；
- 参与 Agent 自进化体系建设，围绕“运行—评测—归因—优化—发布”闭环，建设线上轨迹采集与回放、问题归因、自动优化、回归评测及发布准出等能力，让 Agent 能够基于真实业务反馈持续迭代；
- 参与 Agent 评测体系与评测平台研发，建设端到端、Planning、Memory、Skill/Tool 调用、模型推理等不同层级的评测能力，结合真实业务轨迹沉淀评测集、Benchmark和长对话测试集，提升评测效率与可信度；
- 参与 Skill/Tool 生态建设，包括能力接入、开发规范、自动检查、单点测试、版本管理和上线准出等，探索通过 AI 自动完成 Skill 问题发现、代码优化与效果验证；
- 跟进 业界各类优秀 Agent、Harness方向的技术发展，快速完成方案调研、原型验证和工程落地，并沉淀可复用的最佳实践。
职位要求
- 本科及以上在读，计算机、软件工程、人工智能、数据科学等相关专业；
- 有大模型或 Agent 相关项目实践，理解 Prompt/Context Engineering、Function Calling、Tool Use、RAG、Memory、Planning、Workflow 等基本机制；课程项目、竞赛项目、开源项目及个人作品均可；
- 具备良好的工程意识，熟悉 Git、Linux 和常见服务开发流程；能够通过日志、运行轨迹、测试用例和监控指标定位问题；
- 具备数据与实验意识，能够围绕业务目标设计测试用例和评测指标，通过对比实验分析 Agent 的效果、性能和成本；
- 必须有 Claude Code、Codex 等主流 Coding Agent 工具的实际使用经验，能够借助 Coding Agent 独立完成需求理解、方案设计、编码、测试和问题排查，而非仅用于简单代码补全；
- 对 Agent 技术有强烈兴趣，具备较强的学习能力、执行力和 Owner 意识，能够主动发现问题并推动结果落地。 加分项
- 有 Agent 框架、评测平台、LLM Observability、MCP、工具调用或多 Agent 系统开发经验；
- 有开源项目贡献，或能够提供 GitHub 项目、技术博客、Agent Demo 等可验证作品；
- 了解分布式服务、容器化运行、资源隔离、链路追踪、高并发及稳定性治理；
- 了解 SFT、RL、Agentic RL、数据飞轮或自动化 Prompt/Skill 优化。
