科大讯飞
【星火X计划】面向复杂任务的下一代Agent Harness 关键技术研发(J13986)
【星火X计划】面向复杂任务的下一代Agent Harness 关键技术研发(J13986)
发布于 大约 8 小时前实习/见习
合肥市 / 北京市
无经验要求
实习生
仅现场办公
硕士
机器学习工程
Coding Agent
Llm
Mcp
Rag
分布式系统
安全沙箱
AI 估算 · 5k–10k
该实习岗位面向顶尖AI人才计划，技能要求高，且覆盖合肥和北京两地，参考大厂AI实习薪资水平，估算月薪5000-10000元。
职位详情
关于这个职位
这是一份科大讯飞星火X计划下的Agent Harness研发实习岗位，专注于构建面向复杂任务的下一代Agent运行系统
你将参与研究长程任务执行、上下文管理、可靠工具调用、状态恢复、端云协同及安全控制等关键技术，并以Coding Agent为重点验证场景，在真实任务中落地与迭代
适合对LLM、Agent应用开发有浓厚兴趣，具备扎实工程能力的在读硕士或博士
最低要求
届及以后在读硕士及以上学历，计算机、软件工程、人工智能及相关专业优先，其他专业但具备突出工程能力者同样欢迎
具备扎实的计算机基础和软件工程能力，熟练掌握 Rust、Python、TypeScript、Go、Java 或 C++ 中至少一种语言
有真实项目经历，课程、竞赛、科研、个人或开源项目均可，能够清楚说明设计思路、技术取舍和问题解决过程
了解 LLM 和 Agent 基本原理，熟悉 Agent Loop、Tool Use、Context、Memory、Planning、Skills、MCP 等基本概念，并使用过 AI Coding 工具或 Agent 产品
具备较强的学习、动手和问题分析能力，能够通过测试、日志和执行轨迹定位问题，完成原型开发与实验验证
具备良好的技术表达和协作能力，关注任务是否真正完成、结果是否经过验证以及系统能否稳定运行
工作职责
长程执行与上下文管理：研究任务规划与动态调整、上下文压缩和记忆机制，减少长任务中的目标漂移、错误累积和关键信息丢失，提升复杂任务的持续执行能力
可靠工具执行与外部信息获取：研究Agent如何从海量工具中快速选择、组合并验证结果，减少无效和重复调用，解决调用失败、结果未知和高风险操作等问题
状态恢复与安全控制：区分模型、Harness和外部环境状态，通过检查点、事件日志和执行回放支持任务中断恢复
建设权限控制、沙箱隔离、敏感操作确认和审计机制
真实场景任务交付：以 Coding Agent 为重点场景，打通需求理解、代码检索、修改执行、测试回归和成果交付，提升 Agent 在复杂任务中的持续执行和错误修复能力
端云协同与智能调度：研究端侧发起、云端执行和跨设备接续机制，并根据任务质量、时延、成本和风险进行模型路由、推理预算分配与多 Agent 调度
Trace/Eval 与持续进化：建设可回放、可诊断的 Agent Trace 与评测体系，准确区分模型、上下文、搜索、工具和 Harness 问题，将真实任务轨迹转化为评测与优化数据
优先资格
开发或深度改造过 Agent Framework、Agent Runtime、MCP Server、Coding Agent 或多 Agent 系统，具备上下文管理、记忆系统或 Token 优化相关实践
具备 AI Search、RAG、分布式系统、云端执行、安全沙箱、可观测性或端云协同等相关经验
具备 Agent Evaluation、数据合成、强化学习或过程监督相关实践
拥有高质量开源项目、论文、专利或竞赛成果者优先
AI 洞察
优缺点分析
优点
- 平台优势：科大讯飞作为上市AI公司，在语音和认知智能上积累深厚，提供充足的资源和真实场景
- 成长空间：星火X计划面向顶尖人才，有完善的培养机制，并可能转正，职业起点高
- 成果丰富：有机会产出论文、专利和开源成果，提升个人影响力
- 技术难度大：课题涉及复杂系统设计，需要同时掌握模型和工程，对综合能力要求高
- 竞争激烈：能够参与该计划的多为优秀学生，需要不断学习和证明自己
缺点 / 挑战
- 前沿技术：课题聚焦Agent系统瓶颈，涉及长程任务、上下文管理、安全控制等前沿领域，技术含金量高
- 工作强度可能较高：作为顶尖人才计划，项目节奏快，可能需要投入较多时间研究和开发
- 适合对大模型Agent技术有强烈兴趣，具备扎实工程基础和较强研究能力的在读硕士/博士，渴望在真实任务中挑战高难度技术问题
角色解读
- 技术深耕：从Agent应用研发深入到底层Runtime、Harness架构，成为大模型基础设施领域的专家
- 交叉发展：结合AI搜索、RAG、强化学习等领域，在模型与系统协同方向形成独特技术壁垒
- 职业通道：通过星火X顶尖人才计划，有机会获得转正留用，未来晋升为技术骨干或研究员
- 参与构建Agent运行系统（Harness），研究长程任务执行、上下文管理、工具调用等核心机制，实现复杂任务的稳定执行
- 以Coding Agent为主要场景，打通需求理解、代码修改、测试与交付的闭环，并扩展到深度研究、数据分析等应用
- 建设Agent的Trace/Eval体系，通过回放和诊断定位模型、上下文或工具的问题，推动持续优化
- 探索端云协同、模型路由与多Agent调度，降低Agent应用的成本与延迟，提升系统可靠性
- 扎实的编程能力：熟练掌握Rust、Python、TypeScript、Go、Java或C++中的至少一种，有实际项目经验
- 理解LLM与Agent基础：熟悉Agent Loop、Tool Use、Context、Memory、Planning、MCP等概念，使用过AI Coding工具
- 工程与调试能力：能通过日志、Trace定位问题，具备分布式系统、安全沙箱或可观测性经验更佳
- 学习与研究能力：能够针对复杂技术难题进行调研、原型开发和实验验证
申请策略
- 了解科大讯飞的星火大模型和AI业务方向，在面试中展现对公司的认同
- 准备好一个你深入研究过的Agent项目，能清晰讲解其架构和遇到的挑战
- 突出项目经历：重点描述与Agent、LLM相关的项目，包括你的设计思路、技术选型和具体贡献
- 展示工程能力：强调你掌握的编程语言和软件工程实践，如测试、调试、分布式系统等
- 体现对Agent的理解：如果使用过Coding Agent或开发过相关工具，务必写出体验和改进
- 强调成果：如有开源项目、论文、竞赛奖项，在显著位置标注
- 深入理解Agent生态：熟悉主流Agent框架（如LangChain、AutoGPT）和MCP协议，尝试开发自己的Agent应用
- 补充系统知识：学习分布式系统基础、容器化（Docker）和沙箱安全，了解端云协同架构
面试指南
- 对于这类技术面试，建议采用'背景-方案-比较-验证'的结构
- 首先说明问题背景和目标，然后给出你的技术方案，并比较不同方案的优劣，最后说明如何验证和改进
- 例如回答上下文管理，可以提到滑动窗口、摘要压缩、向量检索等方法，并结合具体场景分析
- 请详细介绍你做过的一个与Agent或LLM相关的项目，你在其中承担了什么角色？
- 你如何理解Agent Harness？它和模型本身有什么区别？
- 对于长程任务中的上下文管理，你会如何设计？有哪些技术方案？
- 如何保证Agent在调用工具时的安全性和可靠性？
- 你如何看待MCP协议？它在Agent生态中的作用是什么？
职位点评
70
综合评分
顶尖AI计划实习岗，前沿Agent技术，成长空间大，但工作地点固定且强度未明确。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
更适合这类人
适合追求技术成长和前沿探索、能够接受现场办公的求职者
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活50
使命价值80
薪资福利
60中等
该实习岗位薪资未披露，但作为顶尖人才计划，可能有一定竞争力，同时公司平台稳定，但实习福利有限。
薪资信号未披露（AI估算：5K-10K/月）
成长发展
85较高
该职位技术前沿，涉及LLM Agent等热门方向，且星火X计划提供顶尖人才平台，学习与成长机会丰富。
技术前沿前沿/新兴技术
技术栈LLM、Agent、MCP、RAG、分布式系统、安全沙箱
业务类型ambiguous
工作生活
50较低
职位需要现场办公，未提及弹性工作安排，具体工作地点未知，通勤和灵活性一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
Agent技术是推动AI落地的重要方向，课题挑战具有前瞻性，对行业有积极影响，但社会价值体现不直接。
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
科大讯飞 的其他在招职位
相似职位推荐
Watch Jobs