ENGINEERING / 01
AI Harness 工程师
构建模型与真实任务之间的运行机制，让智能体能够使用适当的上下文和工具，在明确边界内推进任务、处理异常并核验结果。
Agent RuntimeContextToolsEvaluation
岗位职责
- 研发 Agent 运行循环与任务生命周期，处理模型调用、工具结果、等待、取消、人工接管和恢复之间的衔接。
- 建设按任务装配的 Context、Skill 与 Tool 机制，保留来源、版本和权限约束，控制上下文、轮次与资源使用。
- 适配模型服务、工具协议和隔离执行环境，完善超时、失败与结果不确定时的处理方式。
- 与工作流、审批和受控动作服务协作，区分模型建议、获批执行、原系统回执和实际业务结果。
- 围绕真实任务设计评测与可复现实验，分析运行轨迹，验证质量、时延和成本之间的取舍，并沉淀可复用接口。
任职要求
- 具备扎实的编程和调试能力，能够用 Python、TypeScript、Java 等语言中的至少一种完成有测试支撑的工程实现。
- 理解 LLM API、上下文与工具调用机制，能解释一次 Agent 任务的关键状态及常见失败原因。
- 能够阅读论文、协议和开源实现，把假设转化为原型与实验，并用证据判断方案是否有效。
- 重视接口边界、异步状态与可维护性，能定位跨模型、工具和服务的问题，清楚表达设计取舍。
加分项
- 开发或维护过 Agent 框架、工具执行器、MCP 集成、工作流引擎或公共 SDK。
- 有沙箱隔离、持久任务、故障恢复、提示注入防护或 Agent 评测实践。
- 有可以交流设计过程、失败分析与迭代结果的开源贡献、研究原型或个人项目。
欢迎附上能体现你思考与实现过程的项目、代码或研究记录。
投递这个岗位