AI Harness Engineer

优缺点分析

角色解读

• 技术深耕：成为AI Agent架构专家，主导更复杂的多Agent系统和自主决策框架
• 管理方向：晋升为技术负责人或架构师，带领团队构建企业级AI基础设施
• 行业拓展：将Agent技术应用于金融、医疗、自动驾驶等垂直领域，成为行业解决方案专家
• 设计并实现AI Agent的底层运行框架（Harness），包括任务编排、记忆管理、工具调用和容错机制
• 构建Agent的评估体系，涵盖离线测试、线上监控和全链路追踪，确保Agent行为可靠
• 设计多Agent协作框架，明确规划器、生成器、评估器的职责分工与任务交接逻辑
• 将Harness系统部署到生产环境，并持续迭代优化，同时制定Guardrails规范保证输出安全
• 精通AI编程工具（如Claude Code、Opencode），能够以指挥AI生成代码为核心工作模式
• 具备Spec-Driven Design和TDD实战经验，能够通过测试驱动开发保证代码质量
• 掌握Agent评估方法论，能端到端设计并落地Eval Pipeline
• 熟悉分布式系统架构设计，以及提示工程（CoT、ReAct）和RAG架构

申请策略

• 在求职信中强调你对AI Agent未来发展的理解，以及如何用AI工具提升工程效率
• 了解多点数智的业务方向（如零售数字化），思考Agent如何赋能其业务场景
• 突出AI编程工具的使用经验，如Claude Code、GitHub Copilot等，并量化效率提升成果
• 强调分布式系统设计案例，特别是涉及编排、容错、监控的项目
• 展示Agent评估或LLM应用相关项目，包括Eval Pipeline设计
• 提及Spec-Driven Design和TDD实践，最好有具体代码仓库或文档链接
• 深入学习提示工程（CoT、ReAct）和RAG架构，动手搭建一个简单的Agent原型
• 熟悉主流Agent框架（如LangChain、AutoGPT）的源码，理解其Harness设计

面试指南

• STAR法则：描述情境、任务、行动、结果，突出架构设计思路和量化成果
• 对比方案：先说明不同方案的优缺点，再给出你的选择理由
• 实践导向：结合具体项目经验，展示从设计到落地的完整过程
• 请描述你设计过的Agent Harness架构，包括编排、记忆管理和工具调用是如何实现的？
• 你如何评估一个Agent的性能？请设计一个Eval Pipeline
• 在多Agent协作中，如何划分规划器、生成器、评估器的职责？如何处理任务交接？
• 你使用过哪些AI编程工具？如何确保AI生成的代码质量和安全性？
• 请解释Spec-Driven Design和TDD在Agent开发中的应用