职位信息
- 职位类型
- 全职
- 经验要求
- 3-5年
- 学历要求
- 本科
- 工作地区
- 北京市
职位详情
一、岗位定位 负责设计与落地AI Agent产品，将业务流程转化为可执行的Agent工作流，并在真实环境中实现稳定运行与持续优化。 该岗位要求候选人必须具备实际Agent产品设计与开发经验，能够独立推动从原型、Demo到系统化落地。 具备成熟的Agent产品实践经验 二、岗位职责 1. Agent系统设计与实现 将业务流程拆解为可执行的Agent任务链（Task → Action → Result→Reflection & Iteration） 设计Agent运行机制，包括： * 任务规划（Planning） * 工具调用（Tool Use / Function Calling） * 多Agent协同（Multi-Agent） * 记忆机制（Memory） * 学习改进（Learning & Iteration） 构建可执行型Agent系统，而非仅对话式AI 2. 熟悉LLM与Harness Engineering底层逻辑 构建Agent系统的控制层，确保系统可控、稳定、可复现 设计并实现： * 约束机制（Guardrails）：输出结构、行为限制、异常防护 * 工作流控制（Workflow Orchestration）：将不确定性转化为流程化执行 * 反馈回路（Feedback Loop）：基于执行结果进行自动优化 * 迭代机制（Iteration Loop）：支持版本演进、对比与回滚 解决AI系统在实际运行中的不稳定与失控问题 3. AI系统工程化能力 基于大模型构建可落地系统，包括： * 记忆分层框架 * RAG（检索增强生成） * Embedding / 向量检索 * 上下文与记忆管理 处理模型问题： * 幻觉控制 * 输出稳定性 * 上下文限制 在效果、成本与性能之间进行权衡 4. Vibe Coding能力（必须具备） 使用AI编程工具完成原型开发与系统验证，例如： * Claude Code（优先）、Codex、Cursor等 能独立完成： * Agent原型与Demo搭建 * API接入与调试 * Prompt、Skills、MCP、CLI、FC工具调用策略优化 5. 评测与优化能力 构建评测机制（Evals），用于判断Agent效果优劣 设计评测数据集，覆盖关键执行路径 *定义并跟踪指标（成功率、一致性、稳定性等） * 基于数据持续优化系统表现 6. 系统稳定性与规模化能力 * 在真实用户环境中优化Agent系统稳定性 * 处理复杂输入、多路径执行带来的不确定性 * 推动系统从Demo走向可长期运行 三、任职要求 * 必须有实际Agent产品开发经验（核心筛选项） * 参与或主导过Agent系统设计与落地，对Memory有生产级实战经验 * 非仅使用大模型或简单Prompt应用 * 具备Vibe Coding能力 * 能独立完成Agent原型开发与调试 * 不依赖工程团队完成验证 * 理解主流AI系统架构： * RAG / Embedding / Tool Calling * 基本Agent运行机制 * 有Harness Engineering或类似实践经验 * 能说明如何对Agent进行约束、控制与优化 能力要求 * 能将复杂问题拆解为结构化流程并交由Agent执行 * 能识别模型能力边界并进行工程化处理 * 能构建可评估、可优化的AI系统 * 具备系统性思维，能处理不稳定与不可控问题 规模化经验（优先） * 有大规模系统或复杂产品经验（如百万DAU或同等级复杂度） * 有成熟的Agent产品开发经验 * 理解系统稳定性、性能与复杂用户行为 * 学习教育类、测评招聘类等领域优先
核心能力
面试说明
完成AI面试后，平台将面试结果、能力评估及个人档案直接提交招聘企业；是否进入后续入职流程，由企业最终决定。