岗位职责
- 负责智能诊断 Agent Harness的规划、推理与决策能力，建设从异常理解、候选根因生成、证据采集、假设验证到结论输出的完整诊断链路；
- 主导时序异常检测与根因诊断算法研发，面向大规模、多变量业务与系统指标，结合时序变化、指标关联、异常传播、链路拓扑及系统变更，实现异常发现、关联分析与候选根因排序；
- 建设多源证据融合与 Context / Memory 能力，联合 Metrics、Logs、Trace、业务知识、代码、配置、实验及发布变更，解决动态检索、上下文压缩、时态一致性和经验复用等问题，提升根因诊断准确性与证据可信度；
- 负责核心 Agent Harness / Runtime 的架构设计与关键实现，解决复杂长链路任务中的工具调用、状态管理、并行取证、中断恢复、上下文管理、结果冲突和执行 Trace 等问题，持续优化 Agent 的可靠性、时延和成本；
- 建立可复现、可归因的 Agent 评测体系，将真实案例和线上 Badcase 转化为 Eval Case，通过 Ground Truth、离线回放、Grader、消融实验和 Shadow Evaluation，定位模型、算法、Context、Tool、Harness 和数据问题并持续优化；
- 与广告业务、算法及平台团队协作，端到端推动关键能力从算法研究、原型验证走向生产交付，将真实线上问题持续转化为算法和系统能力。
职位要求
- 计算机、人工智能或相关专业本科及以上学历，具备扎实的算法、概率统计、机器学习与计算机系统基础，能够将复杂生产问题转化为明确的技术假设、实验方案与系统设计；
- 具备时序异常检测与根因诊断的算法建模和落地能力。对多变量时序、变点检测、时滞分析、因果分析或图与拓扑分析中的一种或多种方法有深入理解，能够从复杂信号中识别异常、分析关联并定位根因；
- 深入理解 LLM 与 Tool-Using Agent 的核心机制，有复杂多步任务的实际开发经验，熟悉 Planning、Context Engineering、Memory、Tool Use 等关键机制，能够分析 Agent 失败原因，并在模型、算法和执行机制之间做出合理技术取舍；
- 具备较强的系统架构与核心代码实现能力。熟练掌握 Python、Go、Java 中至少一种语言，有复杂生产系统建设经验，能够独立处理并发执行、状态管理、故障恢复、性能优化与线上问题定位；
- 具备严谨的实验设计与效果评测能力，能够建立可靠基线、可复现实验和评测体系，通过真实 Case、离线回放、消融实验等方式定位问题，并验证算法和系统收益；
- 有独立负责复杂技术项目的经历，能够在目标和数据不完全明确的情况下定义问题、选择技术路线并推动生产落地，对关键技术决策和最终效果负责。
