1. 参与 Agent 系统核心能力的设计与研发：深入任务规划、工具调用、上下文与记忆管理、多 Agent 协作等核心模块，从底层机制到具体实现全程参与，而非停留在调用现成 API 或拼装 prompt 的外围工作； 2. 攻克 Agent 长时运行的工程难题：真实场景下的 Agent 需要跑得久、跑得稳、跑得对，你要一起解决可靠性、性能、状态一致性、异常恢复等一系列硬骨头，保障系统在长期、高强度使用下不崩、不飘、不失控； 3. 探索前沿且缺乏成熟方案的方向：我们做的很多事行业里还没有标准答案（比如让系统从每一次运行中积累经验、持续自我改进），你需要快速把模糊的构想变成可验证的原型，通过一轮轮迭代逼近正确解； 4. 善用 AI 辅助、但为最终结果负责：熟练借助 AI 工具高效产出代码是基本盘，但更重要的是对方案的正确性、边界、取舍做出独立判断——AI 能帮你写，但判断"该不该这么做、这么做对不对"是你的责任； 5. 建立能力评估体系，用数据驱动决策：判断一个 Agent 到底有没有变得更好，往往比让它跑起来更难，你要参与设计评估手段与指标，用可量化的证据支撑技术决策，而不是靠感觉； 6. 对交付质量较真：参与代码评审与方案讨论，主动发现问题、暴露风险，确保每一次交付都经得起真实、长期的使用考验。

1. 计算机、软件工程、人工智能及相关专业，2027届本科及以上学历；能力足够突出者，我们不卡专业背景； 2. 知识面广、学习能力强：对计算机系统、大模型、Agent 等领域有成体系的理解，能快速吃透陌生知识并把不同领域的东西串联起来解决问题。在 AI 已经能帮我们写代码的今天，把某一门语言抠到极致的价值在下降，而知识广度和融会贯通的能力变得更稀缺——我们更看重后者； 3. 判断力强、想得清楚：能在信息不全、没有标准答案���情况下，想明白"该做什么、值不值得做、怎么做才对"，并为自己的判断负责。我们要的是能定义问题、能做取舍的人，不是只会把需求逐字翻译成代码的执行者； 4. 有扎实的技术底子，能驾驭代码而非被代码驾驭：熟悉至少一门语言（TypeScript / Node.js 或 Python 优先），能读懂、改动、掌控有一定复杂度的系统；能熟练借助 AI 工具高效开发，同时清楚它的能力边界和坑在哪； 5. 自驱力强：不需要别人推着走，能自己发现问题、定义问题、把问题一路解决到底；面对没人做过的事，第一反应是兴奋而不是退缩； 6. 认真负责、靠得住：对自己交付的东西较真，不糊弄、不甩锅，出了问题先扛下来再复盘。我们是个高信任的小团队，每个人都得是能托付事情的人； 7. 沟通清楚、心态开放：能把复杂问题讲明白，敢表达不同意见，也愿意在更好的方案面前改变自己。