Agent Harness工程师

优缺点分析

角色解读

• 技术深耕：成为Agent框架和AI基础设施领域的专家，主导核心模块设计与优化
• 架构扩展：向系统架构师发展，负责更大规模、多Agent协同的分布式平台设计
• 业务结合：深入业务场景，将Agent技术应用于具体行业解决方案，转型为AI解决方案专家
• 研究和开发AI Agent编排框架，设计任务调度逻辑、控制流决策与异常回滚机制
• 构建高可用的运行平台，确保长周期交互中的状态持久化与恢复能力
• 开发上下文管理与记忆系统，通过压缩、滑动窗口等提升多轮对话连贯性
• 优化执行流程与调度策略，提升系统整体性能与效率，并推动Agent技术落地实际业务
• 精通Python，熟悉异步编程、状态机设计与事件驱动架构，这是实现Agent框架的基础
• 深入理解Agent架构模式如ReAct、Plan-and-Execute、Tree-of-Thought，并具备Agent Orchestrator开发经验
• 掌握上下文管理机制和记忆系统设计，熟悉LangGraph、Semantic Kernel等主流框架
• 具备RAG和多Agent协同经验（加分项），能够设计记忆检索与通信协议

申请策略

• 在面试前了解三星在AI领域（如Bixby）的布局，思考Agent技术如何与公司产品结合
• 准备一个你解决过的复杂技术问题案例，展示你的系统设计和问题解决能力
• 突出AI Agent项目经验：详细描述你在Agent框架、Orchestrator、记忆系统等方面的具体工作和成果
• 展示Python编码能力：附上GitHub链接或代码片段，体现异步编程、状态机和事件驱动水平
• 强调架构理解：在简历中列出你熟悉的设计模式和框架，如ReAct、LangGraph等，并说明应用场景
• 量化成果：用指标（如对话成功率、延迟降低、系统稳定性提升）证明你的优化能力
• 如果没有实际Agent项目，可以基于LangGraph或Semantic Kernel搭建一个Demo，练习任务调度和记忆系统
• 深入学习RAG技术，了解记忆检索和上下文增强的具体实现

面试指南

• 对于架构类问题：先概述核心思想，然后结合实际项目细节，说明设计权衡（如性能与一致性）
• 对于设计类问题：按需求分析、技术选型、方案对比、代码示例的结构回答，展示系统性思考
• 对于优化类问题：先指出问题根源，再提出多种方案并比较优劣，最后给出推荐方案及理由
• 请解释ReAct架构的原理，并说明在实现时如何设计状态机？
• 如何设计一个支持长周期任务的状态恢复机制？请画出核心流程
• 在多轮对话中，上下文窗口有限，你会采用哪些压缩策略？请举例
• 你使用过LangGraph的哪些模块？如何自定义一个节点？
• 如果多个Agent需要协同工作，你会如何设计通信协议和任务分配？