在这里，你将探索 Agent 技术与智能硬件结合的可能，把前沿技术做成可运行的工作流、可演示的原型，并进一步推进到稳定、可评测、可复用的工程化能力，真正有机会走向用户的产品。 这不是一个只接固定需求、实现既定功能的岗位。你会围绕真实但尚未被定义清楚的用户场景，独立选择技术路径、完成实验验证与工程落地，并与产品、算法、软件和硬件团队一起，回答一个关键问题：Agent 能为用户创造什么真实价值？ 如果你不满足于复现现成方案，而是想亲手探索、构建、验证并工程化落地下一代智能体验，欢迎加入我们。 【你需要】 1. 跟踪 Agent 架构、上下文工程、Memory、MCP、工具调用与多 Agent 协作等技术，理解社区最佳实践，并判断技术成熟度、适用边界与工程取舍。 2. 面向智能硬件与可穿戴场景，完成从场景假设、技术方案、Agent 工作流到可演示原型和工程落地的闭环；关注稳定性、延迟、成本、隐私与可维护性，而不只追求“能跑”。 3. 设计并实施模型与 Agent 工作流评测，比较端侧和云端方案的实际表现，输出支持产品与技术架构决策的结论。 4. 负责 Agent 编排与可靠性优化，包括任务拆解、工具选择、记忆与 RAG、状态管理、失败恢复及多 Agent 协作，持续提升任务完成质量与可控性。 5. 借助 AI 工具完成生产级代码的实现、调试、部署与复盘，沉淀可复用的组件、工作流和评测方法；与产品、算法、软件、硬件及设计团队协作，推动技术探索成为可落地的产品方案。 【我们希望你】 1. 本科及以上学历，计算机科学与技术、软件工程、人工智能、自动化、电子信息等相关专业；具备扎实的编程与系统基础，并能在真实项目中展现较强的动手能力、技术判断力和解决问题的能力。 2. 真正实践过 Agent：熟悉 LangGraph、AI SDK、AutoGen、OpenAI Agents SDK 等编排或开发框架，能结合实践说明技术取舍、适用场景和局限；了解 Dify、Coze 等平台与工程化框架的边界。 3. 理解上下文工程，知道 Memory、RAG、Prompt、工具调用、状态管理和编排方式如何影响 Agent 效果，并做过实验、评测或复盘。 4. 能独立把想法做成可运行、可维护的系统，对代码质量、稳定性和最终结果负责；熟悉 AI 辅助开发与 AI Native 协作方式。 5. 面对模糊问题，能主动拆解、提出假设、设计实验并给出结论；具备平台化思维，愿意把一次项目经验沉淀为可复用的工程能力。 6. 学习意愿强，有好奇心和结果意识；沟通表达清晰，能与不同专业背景的伙伴高效协作。 【加分项】 ● 做过个人 Agent、个人工作台，或持续用 AI 重构学习和工作方式。 ● 有开源项目、GitHub 贡献、技术文章或可展示的 Agent 作品。 ● 有端侧模型、模型或工作流评测、RAG、多 Agent、语音、多模态或软硬件结合经验。 ● 有将原型推进到生产环境，或建设平台化组件、工程框架、AI 协作工具链的经验。