岗位职责
作为一名高级服务端研发工程师，您将会是小爱同学研发团队的关键一员，主要责任包括:
- 主导 Agent Benchmark 的平台化落地：负责 SWE、Terminal、Claw、MCP 等多类 Agent Benchmark 在评测平台上的整体接入与工程化，沉淀标准化、可复用的接入能力，避免每类 Benchmark 重复建设；
- 构建评测运行底座：统筹沙盒环境、依赖管理、网络访问、并发调度等关键能力建设，保障大规模评测在生产环境下的稳定、可复现与高效运行；
- 保障评测质量与可观测性：从 Harness 与打分逻辑出发，确保平台化改造后评测结果的准确可信，并建立完善的诊断与问题归因能力；
- 衔接算法与工程：深入理解各 Benchmark 所考察的模型能力维度，作为算法团队与工程平台之间的技术桥梁，推动评测需求高质量落地；
- 沉淀工程标准：推动评测任务、指标产物、结果归档、版本追溯等标准化规范，支撑评测能力被算法、产品、技术方向团队持续复用。
职位要求
- 计算机相关专业本科及以上学历，5年及以上后端/平台/Infra 研发经验； - 精通至少一门主流后端语言（Python/Go/Java 等）； - 主导过中大型平台或系统的设计与落地，具备优秀的系统设计与工程实现能力； - 熟悉容器化与沙盒隔离、分布式系统、任务调度与并发控制，有大规模任务编排或性能优化经验；熟悉网络通信与代理机制，能处理外部接口访问与稳定性问题； - 了解大模型与 Agent 的基本原理，熟悉主流 Agent Benchmark（如 SWE-bench、Terminal-Bench、MCP 相关评测等）的 Harness 与打分逻辑，并据此进行工程化抽象，能与算法团队就模型能力与评测指标深度对话。 加分项 - 有搭建评测/实验平台或类似系统类基础设施从0到1的经验； - 有多终端/沙箱环境（虚拟设备、仿真环境）架构设计经验； - 主导过平台或新老系统整体演进、迁移的经验； - 对评测方法论（LLM-as-judge 等）有一定理解。
