腾讯
WorkBuddy-Agent Harness 算法工程师
WorkBuddy-Agent Harness 算法工程师
发布于 大约 16 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Llm
Multi-Agent
Prompt Engineering
Sdk开发
评测体系
值不值得投
74综合评分
综合评分 74
前沿Agent技术研究与工程岗，技术挑战大，发展性强，薪资有竞争力但未明示。
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
43K
比算法优化工程师中位数高
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 2020 个在招 · 其中算法优化工程师 5 个
市场机会
选择适中
深圳 · 算法优化工程师 · 36 个在招
职位详情
关于这个职位
该职位负责腾讯WorkBuddy智能体（Agent）系统Harness模块的核心效果与能力优化
你需要从研究和工程两个维度驱动工作，探索Harness自进化、上下文工程、多智能体协调等前沿方向，并从0到1地实现从研究想法到工程落地的完整链路，以提升智能体在真实任务中的表现和稳定性
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
熟悉 LLM 与 Agent 的底层机制与技术原理，涵盖 Transformer、Model Inference、Prefix Cache、Programmatic Tool Calling、Context Compaction、Skills、MCP、Agent Memory、Multi-Agent 等
深度使用过一种或多种 Agent 工具，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
既有研究品味，又能实践落地
技术上既有深度，也有广度
具备英文文献阅读能力
工作职责
负责 WorkBuddy Harness 的整体效果与能力优化，协同内部团队，以用户真实任务表现为反馈，不断优化迭代 Harness 效果
岗位为研究和工程复合型，可以偏向其中一个方向，但需要对另一个方向有所了解，更倾向于两者兼顾
独立解决问题，提出原创性想法，从 0 到 1 驱动研究探索
同时拥有扎实的工程落地能力，打通从想法提出到落地实现的完整链路
可针对全新问题定义合理的评测与验证标准，搭建配套评测数据集
立足真实业务场景，保证智能体能力在现实环境下有效可用
包括但不限于以下研究方向：1）Harness Self‑Evolution 方向：研究 Harness 闭环自进化机制，自主迭代工具集、执行架构与多智能体协作范式，适配模型能力与业务场景演进
）Context Engineering 方向：探索复杂场景下的上下文组织与编排，在模型窗口和 token efficiency 约束下引导模型聚焦关键信息，提升 Agent 任务表现
）Multi‑Agent Coordination 方向：研究大规模分布式智能体协作，构建 Agent 集群化协作能力
）Long‑term Memory 方向：研究 Agent 长期记忆、经验内化与自我迭代机制，形成稳定的行为模式与长期决策准则
）Long‑Horizon 方向：研究长链路、稀疏反馈任务下的持续决策机制，降低长周期执行中的能力衰减
包括但不限于以下工程方向：1）Harness Self‑Evolution 方向：搭建 Agent 自进化 SDK 与平台，实现智能体自主迭代与持续能力升级
）Context Engineering 方向：优化 Agent 上下文与提示工程，提升复杂场景下的适配能力与任务表现
）Evaluation 方向：建设 Agent 多维度评测体系、数据集与基准，支撑 Agent 效果迭代和自进化
AI 洞察
优缺点分析
优点
- 复合成长：岗位性质鼓励研究与工程并重，有利于培养全面的AI技术栈能力，避免单一化发展
- 大平台资源：背靠腾讯，拥有丰富的数据、算力和产品场景资源，能加速技术验证和落地
- 解决真问题：工作直接面向提升智能体在真实业务中的表现，成果可见且价值感强
- 技术难度高：涉及的研究方向（如自进化、长程决策）都是AI领域的难点，需要深厚的理论功底和创新思维
- 复合型要求：既要有深度研究品味，又要有扎实的工程能力，对候选人的综合素质要求很高
- 快速迭代：AI领域发展迅速，需要持续学习并快速适应新的技术范式和工具链
缺点 / 挑战
- 技术前沿：直接参与大厂LLM Agent核心系统的研发，能接触到行业最前沿的技术和真实的大规模应用挑战
- 对AI Agent技术有浓厚兴趣和热情，兼具扎实的研究能力和强大的工程动手能力，乐于探索未知、解决复杂技术挑战，并希望在顶尖技术平台上推动技术从研究走向落地的工程师或研究员
角色解读
- 技术专家路线：深耕Agent技术领域，成为Harness优化、多智能体系统等方向的资深专家
- 技术管理路线：带领小团队负责Agent相关模块的规划、研发与交付，成长为技术负责人
- 前沿探索路线：持续跟踪和引领AI Agent领域的最新技术趋势，参与更底层的模型或平台创新
- 优化腾讯WorkBuddy智能体系统的核心模块（Harness），提升其在真实任务中的效果和稳定性
- 从事Harness自进化、上下文工程、多智能体协作等前沿技术的研究与探索
- 设计并搭建智能体的评测体系、数据集和基准，以数据驱动迭代
- 完成从研究想法提出、原型验证到工程化落地的全流程工作
- 精通LLM与Agent技术栈，包括Transformer、Model Inference、Tool Calling、Agent Memory等核心概念
- 具备扎实的研究能力，能够阅读英文文献、提出原创性想法并设计实验验证
- 拥有强大的工程实践能力，能用Python等语言将算法和想法落地为可运行的SDK或平台
- 熟练使用至少一种主流Agent框架或工具，并能利用AI工具快速学习新知识
申请策略
- 在投递前，尽可能了解腾讯的WorkBuddy系统或类似AI Agent产品，思考其可能的技术架构和挑战
- 准备一个能体现你‘研究品味+工程能力’的完整案例，面试中很可能需要深入讨论
- 关注腾讯AI Lab、优图实验室等相关团队的技术动态，了解公司的大方向
- 突出任何与Agent、LLM、多智能体系统、Prompt工程相关的项目或研究经历，最好能体现从0到1的过程
- 强调解决问题的能力，举例说明你如何分析复杂问题、提出创新方案并最终通过工程手段实现
- 展示技术深度与广度，例如对Transformer某一部分的深入理解，或对多个AI工具/框架的熟练使用
- 如果有评测体系设计、数据集构建的经验，务必重点描述
- 系统复习LLM和Agent的核心技术原理，确保能清晰解释如Context Window、Tool Use、Memory机制等
面试指南
- 对于项目经历类问题，使用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，重点突出你的思考和贡献
- 对于开放性技术问题，采用‘问题定义 -> 现状分析 -> 提出方案 -> 讨论优劣’的结构，展现系统性思维
- 对于设计类问题，先明确目标和约束，再分解模块，阐述核心设计决策和备选方案
- 请介绍一个你参与过的Agent相关项目，你在其中扮演什么角色，解决了什么核心问题？
- 你认为当前Agent技术（比如Harness）面临的主要挑战有哪些？你有什么优化思路？
- 如何设计一个合理的评测体系来评估一个复杂Agent系统的任务完成效果？
- 如果让你从0开始设计一个多智能体协作框架，你会考虑哪些关键模块和通信机制？
- 请解释一下‘Context Engineering’在Agent中的作用，并举一个优化上下文以提升任务成功率的例子
职位点评
薪资福利70
成长发展90
工作生活55
使命价值80
薪资福利
70中等
该职位为腾讯的正式岗位，薪资具有市场竞争力，但JD未明确披露具体薪资数字与福利细节。
薪资信号未披露（AI估算：35K-50K/月）
成长发展
90较高
该职位专注于LLM Agent前沿技术，涉及自进化、评测体系等核心研究，技术成长性极强，且为利润中心岗位，能直接接触业务价值。
技术前沿前沿/新兴技术
技术栈LLM、Agent、Transformer、Multi-Agent、Context Engineering、SDK开发
成长机会从0到1驱动研究探索、打通从想法提出到落地实现的完整链路
业务类型profit_center
工作生活
55较低
JD未明确提及办公模式和工作强度，作为腾讯的核心技术岗，通常需要现场办公，且工作挑战性高，可能对WLB有一定影响。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
AI是行业公认的高速增长赛道，该职位致力于提升智能体解决实际问题的能力，具有较高的技术创新价值和社会应用潜力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs