【2027校招】Agent Harness工程师 - 企业智能方向

优缺点分析

角色解读

• 技术深耕：在Agent基础设施、分布式系统、云原生等方向成为资深专家或架构师
• 领域拓展：从底层基础设施向上层应用平台扩展，成为企业级AI平台的技术负责人
• 行业影响：通过参与开源项目和内部技术输出，在AI Agent领域建立个人技术品牌与影响力
• 设计与实现企业级AI Agent的运行时核心框架（Harness/Runtime），管理Agent的会话、任务执行与状态
• 构建支撑Agent按需启动与弹性伸缩的Serverless基础设施，并设计全链路的可观测性体系
• 负责Agent系统的安全权限治理，并搭建多Agent间通信协作的任务编排机制
• 研究和改造前沿的开源Agent框架，推动内部Agent技术体系的沉淀与影响力
• 至少精通一门后端语言（如Go/Java/Python/TypeScript），并具备扎实的系统工程基础（分布式、可观测性、任务调度）
• 深入理解大语言模型应用与Agent技术，对Tool Calling、MCP、Multi-Agent等概念有热情或实践经验
• 具备优秀的问题抽象与架构设计能力，能将复杂需求转化为可复用、可扩展的平台化能力
• 拥有强烈的责任心（ownership）和探索精神，能主动定义技术边界，解决模糊问题

申请策略

• 研究小红书的企业级产品与业务场景，思考Agent技术如何赋能其内部效率提升或业务创新，面试时可作为亮点
• 关注Agent Infra领域的技术博客和开源动态，面试中能展现你对行业技术趋势的独立思考和见解
• 突出参与过的分布式系统、云原生或中间件项目经验，强调对系统可观测性、任务调度、权限设计的理解
• 展示与LLM应用或Agent相关的实践，如使用LangChain/LlamaIndex等框架的项目、MCP协议研究或相关竞赛经历
• 通过STAR法则具体描述你如何解决一个复杂技术难题并体现ownership，尤其是在没有明确需求的情况下主动定义问题的经历
• 系统学习LLM Agent的核心概念、主流框架（如LangGraph）及MCP协议，并尝试搭建简单的Multi-Agent应用
• 深入理解一门后端语言的并发模型、标准库及生态，并在GitHub上贡献相关开源项目以提升实战能力
• 复习分布式系统基础知识（如CAP理论、一致性协议）和云原生技术（如Kubernetes、Serverless）

面试指南

• 对于技术概念题，采用“定义-目的-关键组成-挑战-解决方案示例”的框架，展现系统化思维
• 对于系统设计题，遵循“需求澄清-核心目标-模块划分-关键技术选型-权衡与演进”的步骤，强调你的思考过程
• 对于行为面试题，使用STAR法则，突出你在其中扮演的核心角色、做出的关键决策以及最终学到的总结
• 你如何理解Agent Runtime？它需要解决哪些核心问题？
• 如果让你设计一个Agent的权限系统，你会如何考虑最小授权和安全边界？
• 在设计Agent的可观测性体系时，Trace、Log、Metric、Event分别关注什么？如何关联？
• 描述一个你从无到有解决的复杂技术问题，你是如何分析和定位的？
• 你对MCP（Model Context Protocol）有什么理解？它解决了Agent领域的什么问题？