职位描述

1.参与自研Agent Harness框架的核心模块设计与开发，包括但不限于：

Agent执行循环（Loop） ：构建ReAct、Plan-and-Execute等多范式执行引擎，支持工具分发、传感器反馈与自动修复（auto-fix），在Token预算约束下运行直至任务可验证完成；

2、工具调用（Tool Calling）与函数编排：设计工具注册、参数解析、权限分级与调用链路追踪机制，支持MCP（Model Context Protocol）等标准化工具协议接入；

3、记忆系统（Memory） ：构建三层本地记忆架构——程序性记忆（Skills）、语义记忆（Facts）、情景记忆（可检索历史），实现跨会话知识累积；

4、多Agent协作与子Agent调度：设计复杂任务分解、子Agent委派与结果聚合的编排引擎；

5、设计Agent分级自主机制（如L1报告级 → L2人工辅助级 → L3无人值守级），让Agent在信任建立过程中渐进式获得自主权；

6、实现操作系统级沙箱隔离（如Linux Bubblewrap / macOS Seatbelt），确保Agent执行的工具操作安全可控；

7、构建Agent行为的可观测性体系（Telemetry），对每一次工具调用、模型推理、子Agent调度进行结构化追踪与回放。

职位要求：

1. 硕士以上学历，计算机、人工智能等相关专业。

2. 入理解大语言模型的基本原理与调用范式（Function Calling、Tool Use、ReAct等）；了解 LangChain、LlamaIndex、AutoGen 等至少一种主流Agent开发框架的核心原理。

3. 对AI Agent技术有强烈的好奇心与探索欲，热衷于将前沿模型能力转化为可用的工程产品；

4. 具备系统性思维与复杂问题拆解能力，能够从模型层到系统层全局思考问题；

5. 优秀的团队协作与沟通能力。

加分项

1. 有Agent/Harness相关开源项目贡献或个人项目实践（如基于LangChain/AutoGen等框架构建的完整Agent应用）；

了解MCP（Model Context Protocol）等Agent工具调用标准协议；