腾讯
智能体- Agent Harness 全栈工程师- WorkBuddy/CodeBuddy
智能体- Agent Harness 全栈工程师- WorkBuddy/CodeBuddy
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公全栈开发
全栈开发
Llm
Multi-Agent
值不值得投
73综合评分
综合评分 73
AI基础设施全栈开发，技术栈前沿、成长性强、挑战明确，工作生活平衡信息不足。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比全栈开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2030 个在招 · 其中全栈开发 11 个
市场机会
选择适中
深圳 · 全栈开发 · 24 个在招
职位详情
关于这个职位
该职位负责腾讯AI Agent Harness（智能体基础设施）的全栈开发与架构设计
你需要打通从想法验证到生产可用的完整链路，构建开发者工具与可视化界面，并协同算法团队将前沿AI研究成果工程化落地，以优化系统稳定性、可扩展性与开发者体验
最低要求
计算机相关专业本科及以上学历
对AI行业有极大的热情，我们相信兴趣是最好的老师
具备扎实的全栈工程能力，熟悉TypeScript/JavaScript、Python或Go等至少一种语言，掌握React/Vue等前端框架与Node.js/Python后端框架，了解PostgreSQL/Redis等常见数据存储
了解LLM与Agent的底层机制与技术原理，涵盖Transformer基础、model inference、function calling、context window/compaction、MCP、agent memory、multi-agent等
深度使用过一种或多种Agent工具，理解AI开发者工具的交互模式与产品逻辑
可借助AI工具快速学习陌生领域知识，敢于承接未知技术挑战
有良好的工程品味，重视代码质量、自动化测试、文档建设与开发者体验
具备英文文献阅读能力
工作职责
负责Agent Harness AI基础设施的全栈开发与架构设计，支撑上层多产品的核心能力落地
独立完成从前端交互、后端服务、数据存储到部署运维的端到端实现，打通从想法验证到生产可用的完整链路
构建Harness基础设施的开发者工具与可视化界面，包括但不限于执行轨迹回放、上下文编排器、工具注册中心、评测数据管理后台等
与算法/产品团队紧密协作，将Context Engineering、Long-term Memory、Multi-Agent Coordination等研究成果工程化落地到基础设施层，保障系统稳定性、可扩展性与token efficiency
持续优化Harness运行时与工程架构，探索prefix cache、流式输出、任务队列、沙箱执行、可观测性等关键工程机制
以真实用户任务表现为反馈，不断迭代Harness基础设施的易用性与开发者体验
AI 洞察
优缺点分析
优点
- 深入参与前沿AI技术栈的工程化落地，技术视野和深度兼具
- 作为基础设施构建者，工作成果会赋能多个产品线，影响力大
- 能与顶尖的算法和产品团队紧密协作，学习成长环境好
- 工作成果直接服务于开发者和用户，能快速获得反馈和成就感
- AI领域技术演进极快，需要持续投入时间学习最新研究
- 全栈开发模式要求知识面广，从UI到基础设施运维都要涉猎，对个人技术广度和深度要求高
- 作为基础设施，需要同时考虑稳定性、扩展性和开发者体验，设计平衡有难度
- 对AI技术有浓厚兴趣，并希望从工程角度深度参与其发展的全栈工程师
缺点 / 挑战
- 追求技术挑战，喜欢解决系统性问题，并乐于通过工具和平台提升他人效率
角色解读
- 深度专精方向：成为AI基础设施领域的资深专家，主导复杂系统的架构设计
- 技术领导力方向：带领小团队，负责某一技术方向的规划与落地
- 产品化方向：深入理解AI开发者需求，转向技术产品经理或解决方案架构师角色
- 构建和优化AI智能体（Agent）的底层运行平台（Harness），使其能支撑多个上层AI产品
- 独立完成该平台从用户界面、后端逻辑到数据存储和部署运维的全套开发工作
- 将最新的AI研究成果（如上下文工程、长期记忆、多智能体协同）转化为稳定、可用的工程实现
- 打造开发者工具，帮助内部团队更高效地使用和调试这个智能体基础设施
- 扎实的全栈开发能力，能独立负责一个技术系统的前后端到运维
- 深入理解LLM和Agent的核心技术原理，而不只是调用API
- 优秀的工程实践能力，重视代码质量、自动化和开发者体验
- 快速学习新技术和解决未知技术挑战的能力与意愿
申请策略
- 在求职信或面试中，清晰阐述你对‘Agent基础设施’这个角色的理解，以及你为何认为它是关键
- 主动调研腾讯在AI领域的公开技术博客、开源项目或论文，了解其技术生态和风格
- 突出完整的项目经历，特别是能体现你独立负责从0到1或从1到N开发一个系统的经验
- 详细描述你使用或研究过的AI/LLM相关技术，如具体的模型应用、Agent框架、Prompt工程等
- 强调你在工程品味方面的实践，例如引入了自动化测试、优化了部署流程、撰写了清晰的技术文档
- 展示你的快速学习能力，例如快速上手一个陌生领域技术栈或工具的经历
- 系统性地复习或深化LLM与Agent的核心技术原理（如Attention机制、RAG、Function Calling标准）
- 动手搭建一个小型的全栈AI应用项目，覆盖前后端、部署和LLM调用，作为面试作品
面试指南
- 对于技术原理问题，采用‘定义-原理-工程挑战-解决方案’的框架回答，展示你的深度思考
- 对于系统设计问题，先明确核心目标与约束，再提出模块化方案，并讨论权衡与扩展性
- 对于项目经验问题，使用STAR法则（情境、任务、行动、结果），重点突出你的独立决策和技术贡献
- 请描述一个你独立完成的全栈项目，技术架构是怎样的？遇到了哪些核心挑战？
- 如何理解LLM的Context Window限制？在工程上有哪些常见的compaction策略？
- 如果让你设计一个多Agent协同的系统，你会考虑哪些核心模块和通信机制？
- 如何评估一个AI应用（如Agent）的token效率？有哪些优化方向？
- 你如何看待AI开发者工具的‘开发者体验’？可以从哪些方面去提升？
职位点评
薪资福利65
成长发展92
工作生活55
使命价值78
薪资福利
65中等
该职位薪资福利预计有市场竞争力，但具体水平未在JD中披露，存在不确定性。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
92较高
该职位处于AI基础设施建设的核心，技术栈前沿且综合，提供从研究到工程化的深度成长路径，技术挑战明确。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Context Engineering、Long-term Memory、Multi-Agent、Transformer、Function Calling、MCP
成长机会持续优化、探索...关键工程机制、不断迭代...开发者体验
业务类型profit_center
工作生活
55较低
JD未明确工作模式和WLB相关信息，作为前沿技术研发岗位，潜在的工作强度与压力无法从描述中判断。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
78中等
参与构建AI核心基础设施，能接触行业前沿并赋能多产品，具有较高的技术创新和价值感，但社会影响描述相对间接。
行业发展高速增长赛道
社会影响中性/一般
使命信号用技术引领新的变革、为卓越的产品体验保驾护航
创新程度积极采用新技术
Watch Jobs