工作职责:

-参与伐谋 Agent harness 的开发与迭代：负责工具调用链路、上下文/记忆管理、多轮与多Agent 编排、任务状态流转等模块的实现与优化
-编写与维护 Agent Skills（技能包）：定义触发条件、输入输出契约、步骤与工具依赖，把研发/业务侧的真实流程沉淀为可复用的 Agent 能力单元
-建设 Agent 评估体系（eval harness）：设计任务集与评分逻辑，搭建自动化回归流程，对 Agent 的正确率、稳定性、工具调用效率等指标做持续度量与badcase 归因
-优化 Agent 运行性能：包括 prompt 与上下文结构优化、token 成本与延迟控制、缓存与并行化、工具调用成功率提升、长任务的稳定性和收敛性优化
-参与真实业务场景的Agent 落地支持，把产业侧痛点（调度优化、方案寻优等）拆解为可执行的工程需求，并在交付过程中完成适配与调优
-跟踪大模型与 Agent 领域进展，输出技术调研与优化方案

任职要求:

-熟悉大语言模型基本原理，有过LLM 应用层开发经验（Agent、工具调用、RAG 或Prompt 工程方向）
-具备扎实的编程能力（Python 为主，熟悉 TypeScript 者加分），有良好的工程习惯与代码质量意识
-理解 Agent 的基本工作机制：ReAct 循环、工具调用、上下文窗口管理、多Agent 协作，能清楚说明每一步对最终效果和成本的影响
-具备较强的调试与问题定位能力，能从 trace、日志、评测结果中快速找到失败原因并提出改进方案
-有较强的学习能力和主动性，关注 Agent 领域前沿进展并能动手验证
-具备良好的沟通与文档能力，能与算法、产品、业务团队协同推进项目
具有以下条件者优先：
-有 Skills / MCP / Agent 框架（如 Claude Code、Cursor、LangGraph、AutoGen、Cline 等）的实际使用或开发经验
-有 Agent 评测体系建设、benchmark 搭建或模型对比评估经验
-了解推理加速、KV Cache、上下文压缩 / 压缩式记忆等性能优化手段