科大讯飞
Agent研发工程师-Harness方向(J13347)
Agent研发工程师-Harness方向(J13347)
发布于 大约 5 小时前普通员工/个人贡献者
合肥市
无经验要求
全职员工
仅现场办公
学历未注明
软件工程
Agent Framework
Context
Go
Llm
Mcp
分布式系统
AI 估算 · 12k–18k
校招岗位，合肥薪资中等偏上，技术方向前沿，公司平台大，具竞争力
职位详情
关于这个职位
该职位是科大讯飞面向校园招聘的Agent研发工程师，专注于构建下一代Agent运行与编排基础设施
你将参与核心模块如任务循环、上下文管理、工具调用的研发，深入解决规划执行、错误恢复等真实工程问题，适合对LLM和Agent有浓厚兴趣的技术新人
最低要求
具备扎实的计算机基础和软件工程能力，能够完成模块设计、编码、测试和问题排查
熟练掌握至少一种编程语言，如 Rust、Python、TypeScript、Go、Java 或 C++
有真实的工程项目经历，课程项目、竞赛项目、个人项目、科研项目或开源项目均可，并能够清楚说明设计思路、技术取舍和问题解决过程
对 LLM 和 Agent 有浓厚兴趣，了解 Agent Loop、Tool Use、Context、Memory、Planning 等基本概念，或具备快速学习相关技术的能力
使用过一种或多种 AI Coding 工具、代码类 Agent 或通用 Agent 产品，能够借助 AI 快速进入陌生技术栈，并通过测试、代码审查和运行验证保证交付质量
具备良好的沟通协作能力、技术好奇心和产品意识，愿意深入分析异常分支、失败场景和边界条件
工作职责
参与 Agent Runtime / Harness 核心模块研发，包括 Agent Loop、任务规划与执行、工具调度、状态管理、流式输出、错误恢复以及任务暂停与恢复
参与上下文、记忆和工具扩展体系建设，探索上下文压缩、Token 预算、长期记忆、Skills、MCP、权限控制及沙箱执行
参与 Agent 评测与可观测性建设，通过任务成功率、工具调用正确率、执行轨迹、延迟和成本等指标，定位并改善 Agent 失败问题
与模型研发、训练、产品及工程团队协作，基于真实任务、运行轨迹和用户反馈，推动模型能力与 Harness 的共同优化
深度使用团队开发的 Agent 产品，持续跟进前沿技术和行业优秀产品，从开发者与用户的双重视角提出改进方案，并快速完成原型验证
优先资格
开发或深度改造过 Agent、MCP Server、AI Coding 工具、Agent Framework 或多智能体系统
有上下文管理、记忆系统、工具调用、模型评测、数据构造或 KV Cache 相关实践
有异步任务、分布式系统、沙箱执行、权限控制、安全隔离或可观测性相关经验
有高质量个人项目、开源贡献、论文、竞赛成绩或其他能够体现技术能力的代表性成果
能够阅读英文技术资料，并参与开源社区讨论或与海外开发者交流
申请时欢迎提供以下内容任选一至两项即可，不要求全部具备：
开发或深度参与过的 Agent、MCP、开发者工具或开源项目
一次真实的 Agent 失败分析，包括执行过程、根因判断、修复方案和验证结果
一个借助 AI 在陌生技术栈中完成高质量交付的案例
你对现有 Agent 产品在上下文管理、工具调用、多 Agent 协作或开发者体验方面的具体判断
AI 洞察
优缺点分析
优点
- 深度参与Agent核心基础设施研发，技术栈前沿（LLM、MCP、分布式），技能积累价值高
- 科大讯飞作为AI行业头部公司，平台大，资源丰富，有利于长期职业发展
- 团队协作紧密，涉及从模型到产品的全链路，能培养系统思维和工程视野
- Agent领域技术迭代快，需要持续学习前沿论文和开源项目，保持技术敏感度
- 解决规划执行、错误恢复等真实工程问题难度较大，需要较强的分析调试能力
- 作为校招岗位，可能面临较大的技术深度要求，需快速从项目学习过渡到独立贡献
缺点 / 挑战
- 适合对LLM和Agent有强烈兴趣、具备扎实编程基础、喜欢挑战复杂工程问题的应届生
角色解读
- 从Agent基础组件研发起步，逐步深入核心机制，成长为Agent系统架构师或技术专家
- 可与模型研发团队联动，转向AI系统或LLM应用方向，技术广度与深度兼具
- 在科大讯飞成熟的AI平台上，有机会参与前沿项目并快速积累行业影响力
- 负责Agent运行基础设施核心模块的研发，如任务循环、工具调度、状态管理等，确保模型稳定执行复杂任务
- 参与上下文压缩、长期记忆、MCP协议等扩展体系建设，提升Agent的实用性和可靠性
- 建设Agent评测与可观测性系统，通过性能指标和轨迹分析定位并修复Agent失败问题
- 与模型训练、产品团队紧密协作，基于实际运行数据和用户反馈推动产品和模型的迭代优化
- 扎实的计算机基础和软件工程能力：能独立完成模块设计、编码、测试和排查问题
- 至少精通一种编程语言（Rust、Python、TypeScript、Go、Java、C++），有较强工程实践能力
- 对LLM和Agent有浓厚兴趣，理解Agent Loop、Tool Use、Context、Memory等基本概念
- 熟悉AI Coding工具和Agent产品，能借助AI快速上手新技术栈并保证交付质量
申请策略
- 申请时按要求准备加分项材料（如Agent失败分析或技术判断），体现技术深度和独立思考
- 关注科大讯飞的AI开放平台和最新产品，面试中展现对公司的了解和热情
- 突出工程项目经历（课程、科研、开源均可），并清晰描述设计思路、技术选型和问题解决过程
- 强调对Agent相关概念的理解，如Agent Loop、Tool Use、Context等，可附上相关读书笔记或实验
- 展示使用AI Coding工具或Agent产品的经验，说明如何利用AI提升效率
- 如果有开源贡献或个人项目（如Agent demo），务必附上链接，并说明自己的贡献
- 提前熟悉Rust或Python的异步编程，了解常见Actor模型和任务调度框架
- 动手搭建一个简单的Agent demo（如调用LLM API + 工具调用），亲身体验Agent Loop
面试指南
- 针对项目经历：采用STAR原则，重点说明自己在其中的角色、技术决策和成果量化
- 针对Agent设计问题：先阐述基本概念，再结合具体场景给出设计方案，强调边界情况和容错处理
- 针对评估问题：从成功率、延迟、成本、稳定性等多维度展开，并说明如何通过日志和可观测性定位问题
- 请描述你参与过的一个工程项目，包括设计思路、技术选型和遇到的问题
- 谈谈你对Agent Loop的理解，以及如何设计一个健壮的任务执行引擎？
- 如果Agent调用工具时返回错误，你会如何处理？请画出重试和恢复的流程
- 如何评估一个Agent系统的性能？你关注哪些关键指标？
- 你使用过哪些AI Coding工具？它们是如何帮助你的？
职位点评
71
综合评分
前沿技术栈、高成长性、校招友好，但薪资未明确、工作地点固定、WLB不明。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
最适合追求技术成长、对Agent前沿领域有热情、愿意在合肥长期发展的应届生。
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90
工作生活50
使命价值75
薪资福利
60中等
作为校招岗位，薪资在合肥有一定竞争力，但未在JD中明确说明福利，稳定性因公司知名而较好，但整体补偿性一般。
薪资信号未披露（AI估算：12K-18K/月）
成长发展
90较高
岗位技术栈前沿，涉及Agent核心基础设施，成长空间大，且JD明确提及深入机制和优化能力，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈LLM、Agent、MCP、Rust、Python、分布式系统、可观测性
成长机会深入 Agent 的运行机制、推动模型能力与 Harness 的共同优化、持续跟进前沿技术
业务类型ambiguous
工作生活
50较低
仅现场办公，地点合肥，未提及弹性工时或加班情况，生活方式动机满足度中等偏低。
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
75中等
科大讯飞在AI领域有显著社会影响力，岗位推动Agent技术进步，具有正向意义，但具体使命信号不明显。
行业发展高速增长赛道
社会影响正向社会影响力较高
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