Agent 基础设施工程师(J10433)

职位描述

1. Harness 核心建设:设计并实现 Agent 执行基础设施——Agent Loop 引擎、任务编排、模型路由(多模型策略)、状态管理(Session / Checkpoint / 长任务恢复)、Human-in-the-Loop 审批、Interrupt/Resume、Retry/Rollback 等运行时能力。

2. Loop Engineering:设计并持续优化闭环执行机制(Plan → Execute → Evaluate → Reflect → Retry),提升任务完成率、稳定性与长时自主运行能力,包括自动拆解、自动评估、Self-Correction、Auto Recovery。

3. Eval 基础设施:建设 Eval Harness——回归测试集、trace-based 评估、LLM-as-Judge、A/B 对比、eval 驱动的迭代闭环,以及模型版本升级时的质量回归验证机制,使 Agent 质量可度量、可回归。

4. Tool / MCP 治理:建设统一 Tool 平台与 MCP 能力体系,重点在治理层——工具权限边界、调用审计、Prompt Injection 防御、敏感操作审批工作流、故障爆炸半径控制。

5. 安全、合规与可观测性:Guardrails 体系、Agent 行为审计与可追溯、数据隔离、Sandbox 执行环境、面向合规审查的决策日志;Tracing/Observability、成本工程(Token 优化、Prompt Caching、按用户/任务预算)、监控告警与生产稳定性保障。

6. 平台赋能:设计供全公司工程师使用的 SDK / CLI / 工具链,与业务团队协作沉淀可复用的 Agent 模式与 Skill 资产。

任职要求

1. 计算机、软件工程、人工智能或相关专业本科及以上学历。

2. 3 年以上后端 / 基础设施开发经验,或有可验证的生产级 Agent 系统从设计到交付的完整经验(可等效替代年限)。

3. 精通至少一种编程语言(Python 优先,Go / Java 亦可),具备扎实的分布式系统、异步编程、API 设计能力;熟悉 REST/gRPC、消息队列、Redis、MySQL/PostgreSQL。

4. 有生产级 LLM / Agent 系统的设计与实现经验——不是 Demo,而是有真实用户、真实故障、真实成本约束的系统。能清晰讲述处理过的失败模式、设计过的降级路径与成本控制手段。

5. 有 Eval 体系实践经验:能设计回归测试集与自动化评估流水线,并以 eval 结果驱动 Agent 迭代。

6. 熟悉 MCP 协议及 Tool 集成,理解现代 Agent Engineering 完整链路(Prompt → Context → Harness → Loop Engineering)。