策略算法工程师

负责智能体 Harness Engineering 核心能力建设，包括 Agent Loop、多 Agent 协作、Memory、Skill、任务规划、工具调用、状态管理、异常恢复等关键模块设计与实现，提升 Agent 稳定性、可控性与任务完成质量；

负责 Prompt Engineering 与 Prompt 调优，提升智能体在复杂企业场景下的准确性、鲁棒性和可解释性；

使用 Go/Python 构建高并发 Agent 服务框架与调度系统，包括任务编排、工作流引擎、队列消费、资源调度和稳定性治理；

建设智能体评估与观测体系，包括任务成功率、工具调用准确率、成本、延迟、TTFT、上下文利用率、可解释性等核心指标；

持续分析 Bad Case，定位 Agent 在规划、工具调用、上下文、记忆、Prompt、模型能力等环节的问题，并推动优化迭代；

与产品、平台和业务团队协作，交付面向企业场景的高质量智能体能力。

本科及以上学历，计算机、软件工程、人工智能等相关专业优先；

具备扎实的工程能力，熟悉数据结构、基础算法和系统设计，具备良好的代码质量意识；

精通 Go/Python 至少一种语言，具备高并发、分布式服务、任务调度或工作流系统开发经验；

熟悉至少一种主流 Agent 框架或产品，如 Claude Code、Codex、LangGraph、OpenCode、AutoGen、Coze 或自研 Agent 框架；

深入理解 LLM Function Calling、Tool Use、MCP、ReAct、Plan-and-Execute、Skill、Memory、上下文工程等 Agent 核心范式；

有智能体应用完整落地经验，能够独立完成从需求分析、方案设计、开发实现、评测优化到上线迭代的闭环；

具备数据建设、指令微调、模型评测或模型应用优化经验者优先；

对智能体产品保持热情与好奇心，持续关注业界领先 Agent 公司及其产品演进、技术方向和应用趋势。 加分项

有企业级 Agent 平台、AI Coding Agent、自动化运维 Agent、数据分析 Agent 等落地经验；

有 Agent 评测体系、测试 Harness、Trace/Replay、Bad Case 分析平台建设经验；

有开源项目、Demo、GitHub 项目或技术文章可展示。