Agent Harness 工程师

优缺点分析

角色解读

• 可在 Agent 领域持续深耕，成为 Agent 架构或 LLM 应用方向的专家
• 有机会向技术管理方向发展，领导小团队推进 Agent 核心能力建设
• 通过接触业务与前沿技术，向 AI 产品架构师或技术负责人岗位晋升
• 负责设计、开发和优化 Agent Harness 框架，支撑复杂多步任务的高效稳定执行
• 参与建设 System Prompt、Tools 管理、上下文管理、任务状态与异常恢复等核心模块
• 通过分析 Trace 数据和失败案例，利用评测和实验迭代改进 Agent 的协同效果
• 跟踪并落地最新的 Agent、Context Engineering 和 Tool Use 技术，推动产品创新
• 扎实的编程基础，精通至少一门后端语言（Python/Java/Go），具备良好系统设计能力
• 深入理解 LLM 与 Agent 原理，熟悉 Prompt 设计、Tool Calling、上下文管理和多轮交互机制
• 具备实验分析和问题解决能力，能够从 Trace 和评测数据中定位并优化问题
• 强烈的学习热情和技术敏感度，关注 AI Agent 前沿发展，有产品判断力

申请策略

• 提前了解美团 Tabbit 产品背景，结合岗位职责思考可能的优化方向
• 在面试中展示对 Agent 生态的全局认知，而不只是工具使用，强调工程化思维
• 突出使用 Codex、Claude Code、Cursor 等 Agent 工具的深度实践经历，最好有具体项目或量化成果
• 强调 LLM 应用开发经验，例如 Prompt 优化、工具调用、上下文管理、多轮对话系统
• 展示系统设计和问题解决能力，包括复杂系统架构、性能优化、故障恢复等案例
• 如有开源贡献或技术博客，可重点体现对 Agent 技术的热情和思考
• 深入学习 LangChain、LlamaIndex 等主流 Agent 框架，了解其实现原理
• 动手构建端到端的 Agent 应用，熟悉 Trace 分析和评测方法

面试指南

• 对于设计类问题，建议从目标、约束、方案、权衡四个维度展开，结合具体场景
• 对于问题解决类问题，采用“现象-分析-根因-改进-验证”的流程，展示工程化思维
• 对于评估类问题，先定义核心指标，再设计对照组实验，并关注长尾案例
• 如何设计一个健壮的 Agent Loop，确保任务在必要时能恢复或回退？
• 在 Tool Calling 中，如何解决模型调用错误或工具返回异常的问题？
• 如何评估 Agent 的整体性能？你会设计哪些评测指标和实验方案？
• 讲讲你使用 Codex/Claude Code 时遇到的最大坑，以及你是如何解决的？
• 如何优化系统 Prompt 以提升复杂任务的完成效果？