岗位职责
- Agent Harness 核心框架研发：负责 Agent 运行时的架构设计与实现，包括 agent loop 调度、Tool/Skill 抽象与注册机制、Context 组装与压缩策略、长任务的状态持久化与 checkpoint 恢复、Sub-Agent 并发编排、以及沙箱隔离与权限控制体系，为上层业务提供稳定、可扩展、可复用的 Agent 执行底座；
- 全链路 Tracing 与 Observability：设计并实现 Agent 执行全链路的可观测系统，对 LLM 调用、工具调用、重试与降级、Token 与成本消耗、上下文膨胀等关键环节做 Span 级建模与结构化埋点；建设延迟/成本/成功率归因分析能力，沉淀 failure mode 分类体系与异常告警机制，让 Agent 的"黑盒行为"可解释、可回溯；
- Agent 质量评估体系：构建自动化 eval pipeline，覆盖离线 Benchmark、在线 A/B Testing、SBS 人工评测与 regression detection；设计任务级评测指标与 rubric（含 LLM-as-Judge、pass@k、轨迹级评分），建设评测集管理与 CI 门禁，使每次 Prompt、模型、工具变更都有量化的收益与回归判定；
- Agent Debugging 工具链：开发面向研发的调试工具，支持 Trace 回放与单步执行、上下文与 Prompt 的 Diff 对比、工具调用链可视化、失败样本最小复现集自动提取；打通从线上异常 Trace 到本地可复现调试的闭环，显著缩短 Agent 问题定位周期；
- 支撑平台建设与工程化落地：参与标注平台、数据管道、任务集与轨迹数据仓库等核心支撑平台的架构设计与开发，为模型训练与 Agent 迭代提供高质量数据闭环；与 AI 研究团队零距离协作，第一时间承接最新模型能力，将大模型与 Agent 协同进化的研究成果工程化落地，并持续探索 AI Agent 在日常研发工作流中的深度实践。
职位要求
- 计算机及相关专业本科及以上学历；精通 Python，熟悉 TypeScript / Go 之一，具备扎实的工程实现能力与系统设计功底，能独立完成从架构设计到上线运维的全链路交付；
- 重度使用 Cursor / Claude Code / Codex 等 agentic coding 工具进行日常编程，对 Agent 的能力边界、典型 failure mode（上下文丢失、工具误用、多轮偏移、幻觉式收敛）有切身的体感和自己的方法论；
- 熟悉 AI / Agent 技术栈，理解 LLM 推理服务与采样参数、主流 Agent Framework（LangGraph / AutoGen / MCP 等）、Tool Calling 与 Function Schema 设计、Prompt 与 Context Engineering、RAG 与记忆机制；
- 具备可观测性或评测基础设施建设经验，熟悉 OpenTelemetry / Trace 存储与查询、指标体系与看板设计、离线数据处理链路；熟悉分布式系统、高并发服务与异步编程，有大规模任务调度经验者优先；
- 代码质量要求严格 —— 代码是给未来的 AI 与人共同维护的，可读性、模块边界、可测试性与文档缺一不可；有开源项目贡献、或主导过复杂系统重构者优先；有垂域 Agent 落地经验（Code Agent、Kernel/性能优化 Agent、数据分析 Agent 等）、或参与过 RL/SFT 数据闭环建设者显著加分；
- 具备极客精神，喜欢折腾新技术并享受生产力突破带来的快感；对 Code Agent 与人机协同的未来有深刻思考，希望投身这场生产力变革之中，具备良好的跨团队协作能力与主动推动事情落地的驱动力。
