百度
上海-Agent Harness 研发工程师(J100779)
上海-Agent Harness 研发工程师(J100779)
发布于 大约 15 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
软件工程
PyTorch
LLM
状态管理
AutoGen
CoT
Plan-And-Execute
沙箱环境
AI 估算 · 30k–60k
百度上海核心研发岗，AI Agent前沿方向，技术要求高，薪资水平在互联网大厂中属中上，月薪30-60K合理。
职位详情
关于这个职位
该职位是百度上海研发中心的Agent Harness核心构建者，负责设计开发支撑大模型（LLM）在真实业务场景稳定运行的系统底座
你将深度参与Agent系统架构、状态管理、沙箱环境等核心模块的研发，并与研究员、产品经理协作推动产品落地
适合对AI Agent底层机制有深入理解、具备工程落地能力的工程师
最低要求
本科及以上学历，计算机、人工智能、软件工程等相关专业，技术功底扎实，学习能力突出，可在 AI 辅助下完成跨领域高质量任务交付
深入理解 AI Agent 底层机制和 ReAct、CoT、Plan-and-Execute 等主流 Agent 原理，熟练使用 PyTorch、LangChain、AutoGen 等框架，具备 Agent 系统从算法设计到工程落地的完整能力
Agent 重度用户与实践者，熟悉主流 Agent 框架的优劣差异，能清晰分析其在复杂文件读写、环境反馈、长任务执行等场景下的不足，并提出改良方案
良好的沟通协作能力和技术品味，能与模型研究员、产品经理紧密配合，共同推进 Harness 领域的前沿创新与产品落地，具备快速将学术成果落地为商业化产品的实战能力
工作职责
作为 Agent Harness 核心构建者，参与设计与开发 Agent Harness 产品技术架构，打造支撑 LLM 能力在真实业务场景稳定释放的核心交互范式与系统底座
搭建 Agent 可读、可控、可验证的系统支撑体系，涵盖状态管理、沙箱环境设计、反馈闭环、执行约束、上下文交接与关键信息 compaction 优化，保障 Agent 长时间高复杂度执行的稳定性与可控性
深度参与 LLM 与 Harness 的联合优化，从 Harness 视角实现模型能力的最大化适配，分析并验证不同 Harness 设计对模型行为的真实影响
设计并实现 Agent 与人类的协作机制与反馈闭环，沉淀用户反馈并驱动产品持续迭代，在数亿用户规模的真实产品中，通过“人-模-体”协同进化探索智能上限
优先资格
加分项：有 AI Agent 相关开源项目贡献或 Harness 工程落地经验，智能体产品早期搭建经历，知名开源项目核心贡献、顶级会议论文发表或高水平技术竞赛获奖经历者优先
AI 洞察
优缺点分析
优点
- 百度大平台，拥有数亿用户场景，能直接看到技术落地效果
- 团队氛围技术导向，有机会与顶尖研究员合作，产出高影响力成果
- Agent系统复杂度高，调试和验证困难，对问题排查能力要求高
缺点 / 挑战
- 身处AI最前沿的Agent赛道，技术挑战大，成长空间极高
- 技术栈更新快，需持续学习LLM最新进展，学习压力大
- 涉及跨团队协作，沟通成本较高
- 适合对AI Agent有浓厚兴趣、具备扎实工程基础且追求前沿技术挑战的工程师
角色解读
- 成为Agent Harness领域的专家，主导下一代AI基础设施的架构设计
- 向AI系统架构师或技术Leader发展，带领团队攻克LLM应用关键技术难题
- 积累大规模产品落地经验，可转向AI产品经理或研究员岗位
- 作为核心构建者，设计并开发Agent Harness系统架构，支撑LLM在真实场景稳定运行
- 搭建Agent可读、可控、可验证的系统，包括状态管理、沙箱设计、反馈闭环等
- 与模型研究员合作，优化LLM与Harness的联合性能，验证设计对模型行为的影响
- 设计人机协作机制和反馈闭环，推动产品在数亿用户中迭代进化
- 深入理解AI Agent底层机制（ReAct、CoT、Plan-and-Execute等）及主流框架（LangChain、AutoGen）
- 熟练使用PyTorch等深度学习框架，具备Agent系统从算法到工程落地的全栈能力
- 强大的工程能力，熟悉状态管理、沙箱环境、上下文压缩等技术
- 良好的沟通协作能力，能与研究员、产品经理紧密配合
申请策略
- 准备一个你设计或优化的Agent系统案例，并能清晰分析其优缺点和改进方向
- 了解百度Agent Harness相关产品（如文心一言的插件系统），在面试中展示行业理解
- 突出AI Agent相关项目经验，尤其是从算法到工程落地的完整案例
- 强调对主流Agent框架（LangChain、AutoGen等）的深入理解和优化实践
- 若有开源贡献或顶会论文，务必醒目展示
- 深入学习LLM底层原理和Agent架构设计，动手搭建简单Agent系统
- 参与开源Agent项目，贡献代码或文档，积累实战经验
面试指南
- 结构化回答：先定义问题，再分解子问题，最后给出解决方案和权衡
- 案例驱动：结合自己的项目经历，用STAR法则描述具体场景、任务、行动和结果
- 展现思考深度：不仅给出答案，还要分析不同方案的优缺点和适用条件
- 请解释ReAct和CoT的工作原理，并比较它们的适用场景
- 如何设计一个支持长时间运行、高复杂度的Agent系统？请描述关键技术点
- 如果Agent在沙箱中执行任务时出现状态不一致，你会如何调试和修复？
- 你曾使用过哪些Agent框架？它们各自有哪些优劣？请举例说明
- 如何评估Harness设计对LLM行为的影响？请设计一个实验方案
职位点评
70
综合评分
AI Agent前沿技术岗，发展空间极大，但工作节奏可能较快，WLB一般。
更适合这类人
最适合高度追求技术成长和发展、愿意接受高强度工作的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展95
工作生活50
使命价值60
薪资福利
75中等
薪资属于大厂中上水平，但未明确具体福利，整体补偿性较好。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
95较高
技术前沿性极强，Agent是AI热门方向，成长空间巨大，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈LLM、Agent、ReAct、CoT、PyTorch、LangChain、AutoGen
业务类型profit_center
工作生活
50较低
仅现场办公，未提及WLB相关信息，互联网巨头通常节奏较快。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
60中等
AI Agent具有社会影响力，但JD未强调使命感，更多关注技术实现。
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