北京-Agent Harness 研发工程师(J100815)

优缺点分析

角色解读

• 技术方向：从Agent Harness研发到AI系统架构师，深入LLM与Agent底层技术
• 管理方向：可逐步成长为技术团队Leader，主导Agent基础设施团队
• 行业方向：AI Agent是前沿赛道，积累经验后可在行业内具备高度稀缺性
• 设计并构建Agent Harness的技术架构，包括状态管理、沙箱环境、反馈闭环等核心模块，确保LLM在复杂场景下稳定运行
• 与模型研究员合作，优化LLM与Harness的适配，分析不同Harness设计对模型行为的影响
• 设计人机协作机制和反馈闭环，通过用户反馈驱动产品迭代，探索智能上限
• 深入理解AI Agent原理（ReAct、CoT等），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，能分析主流框架的优劣并提出改进方案
• 良好的沟通协作能力，能与研究员、产品经理紧密配合
• 加分：开源项目贡献或Harness落地经验

申请策略

• 了解百度AI生态和Agent战略，在面试中展示对业务方向的理解
• 准备一个自己过往项目中与Agent或LLM相关的深度技术案例，能清晰讲述设计思路和挑战
• 突出Agent相关项目经验，尤其是从算法设计到工程落地的完整案例
• 强调对LangChain、AutoGen等框架的深入使用和二次开发经历
• 如果有开源贡献或论文发表，务必详细列出并说明贡献
• 展示对Agent底层机制（如ReAct、CoT）的理解和实际调优经验
• 深入学习LangChain和AutoGen的源码，理解其设计模式与不足
• 动手搭建一个简单的Agent系统，包含状态管理和反馈闭环

面试指南

• 对于原理性问题，先给出定义，再举例说明，最后强调实际应用中的权衡
• 对于设计问题，采用分步骤的方式：需求分析、方案对比、关键设计决策、可能风险
• 对于项目经验，使用STAR法则：情境、任务、行动、结果，突出个人贡献和思考
• 请详细解释ReAct和CoT的区别，以及在什么场景下选择哪种？
• 你如何设计一个沙箱环境来确保Agent在执行长时间任务时的可控性？
• 你如何评测不同Harness设计对LLM行为的影响？请给出具体方案
• 请描述一个你参与过的Agent系统，从算法设计到工程落地，遇到了哪些挑战？
• LangChain和AutoGen的优缺点是什么？你会如何改进它们？