岗位简介 我们正在把研发中心重构为 AI 原生组织。该岗位属于平台底座方向，打造面向公司全体研发人员使用的 Agent 运行时与治理底座，包含 Harness、Eval、Tool/MCP 治理、可观测体系。数字信任行业对安全、可审计的强约束，既是岗位的挑战，也是最大亮点。你将探索如何通过系统设计保障 Agent 在生产环境的可靠性。 你将负责 1. 参与 Harness 核心建设：协助设计实现 Agent 执行基础设施，包括 Agent Loop 引擎、任务编排、多模型路由策略、会话状态管理、长任务恢复、人工介入审批、中断恢复、重试回滚等运行时能力。 2. 参与 Loop 工程化：迭代 Plan→Execute→Evaluate→Reflect→Retry 闭环执行机制，提升任务完成率、长任务稳定性；参与任务自动拆解、自我纠错、故障自动恢复相关方案落地。 3. 参与 Eval 基础设施搭建：建设回归测试集、基于 Trace 的评估、LLM‑as‑Judge、A/B 对比、Eval 驱动迭代闭环，完成模型版本升级的质量回归校验，实现 Agent 能力可度量、可回归。 4. 参与 Tool / MCP 治理平台建设：聚焦工具权限管控、调用审计、Prompt Injection 防御、敏感操作审批流程、故障风险隔离等治理能力。 5. 参与安全合规与可观测体系：Guardrails 安全策略、Agent 行为审计追溯、数据隔离、沙箱执行环境、合规日志；链路追踪、可观测性、Token 成本优化、监控告警，保障生产稳定性。 6. 参与 SDK/CLI 工具链开发，赋能内部研发；协助沉淀可复用 Agent 模式与 Skill 资产，支撑业务团队落地 Agent 应用。

我们希望你 1. 本科及以上学历，计算机、软件工程、人工智能等相关专业，27 届应届毕业生。 2. 扎实的后端、分布式系统基础；熟悉异步编程、API 设计；掌握至少一门编程语言，Python 优先，Go/Java 也可；了解 Redis、MySQL/PostgreSQL、消息队列、gRPC/REST。 3. 有 LLM Agent 相关项目实践（课程、竞赛、实习、个人开源项目均可），不限于 Demo，理解 Agent 系统常见失败模式、降级思路。 4. 接触过 Agent 自动化评估 Eval 体系，能够设计简单回归测试集，理解 eval 驱动迭代的思路。 5. 了解 MCP 协议、Tool 调用，理解 Agent 完整链路：Prompt、上下文、Harness、Loop 工程。 6. 拥抱 AI Native 开发模式，日常会使用 AI Coding Agent 辅助编码、调试、方案调研。 加分项： - Agent Harness 相关：自主实现 Agent Loop/Harness，不单纯依赖现成框架；LangGraph、OpenAI Agents SDK、Claude Agent SDK 等深度使用经验；Agent 平台从零搭建的项目经历 - Loop 长链路方向：长时自主 Agent、Auto Research 类任务系统实践；Eval‑driven 开发实践 - 安全治理方向：工具权限、Prompt Injection 攻防、沙箱代码执行环境相关实践 - AI 工程化方向：多模型路由成本权衡、Prompt/Skill 版本灰度、上下文压缩、长期记忆检索相关实践