Agent Harness 研究员（实习/全职）

优缺点分析

角色解读

• 技术方向：成长为AI Agent架构专家，主导下一代智能体系统的设计
• 管理方向：带领团队攻克技术难题，逐步转型为技术负责人或技术总监
• 研究方向：发表顶会论文，推动Agent技术在学术界和工业界的边界拓展
• 设计并实现Agent Harness框架，支持大模型在复杂环境中的决策与执行
• 探索LLM与外部工具、API的交互范式，提升Agent的自主性与鲁棒性
• 参与大规模分布式训练与推理系统优化，确保Agent在高并发场景下的稳定运行
• 精通Python，熟悉C++/Rust更佳，有扎实的工程实现能力
• 深入理解大语言模型原理，熟悉Transformer架构及常见微调方法
• 熟悉分布式系统、任务调度、消息队列等中间件，具备系统性能调优经验

申请策略

• 提前了解深度求索的模型特点和Agent技术布局，在面试中展现对公司的研究兴趣
• 突出与Agent、LLM相关的项目经验，如自主设计过工具调用、任务规划等系统
• 展示在分布式系统、高性能计算方面的工程成果，如大规模训练或推理优化
• 如有顶会论文或开源贡献，务必重点呈现
• 补充强化学习（RLHF/PPO）和Prompt Engineering相关知识
• 熟悉LangChain、AutoGPT等开源Agent框架的架构和原理

面试指南

• 使用STAR方法：背景-任务-行动-结果，突出你在项目中的思考和实践
• 对于设计类问题，从需求分析、模块划分、关键权衡、技术选型四个维度展开
• 请详细描述你设计过的Agent系统，包括任务分解、工具调用和错误恢复机制
• 如何评估一个LLM Agent的决策质量？有哪些常用指标？
• 如果让你设计一个支持多工具并发的Agent框架，你会考虑哪些模块和调度策略？
• 谈谈你对ReAct、Reflexion等Agent范式的理解
• 复习Transformer、RLHF等核心论文，理解Agent训练的关键技术
• 动手复现一个简单的Agent demo（如调用搜索引擎回答问题），并思考优化点