返回职位列表

资深软件工程师-评测优化（Principal Software Engineer, Harness）

职位描述

简而言之：我们正在寻找一位能够定义并交付 Atoms 核心 Harness 系统的 Principal Engineer。你将负责构建 AI Agent 的执行、路由、缓存、并发、评测与质量闭环系统，让复杂的 AI Native 能力能够以更高成功率、更低成本和更低延迟稳定交付给用户。 我们在寻找什么 - 拥有 10 年以上产品/系统构建与生产经验，主导过关键工程系统、自动化平台、评测系统、任务调度系统或复杂基础设施建设，并且至今保持高强度 hands-on。 - 具备深厚的后端、平台或全栈工程能力，熟练掌握 Python/Go/TypeScript/Rust 等一种或多种语言，能够设计高可靠、高并发、可观测、可扩展的工程系统。 - 深刻理解 AI Agent、LLM 应用和 AI 编程工具的工作方式，熟悉模型调用、工具调用、上下文管理、Prompt Cache、执行环境、失败模式与评测难点。 - 能够设计多模型、多 Agent 架构、多工具链的路由系统，基于任务类型、上下文复杂度、成本、延迟、成功率和质量要求，选择合适的模型与执行策略。 - 深刻理解并发、异步任务、队列、调度、状态管理、失败重试和资源隔离，能够支撑大规模 Agent 工作负载的稳定运行。 - 对代码质量、系统可解释性和自动化程度有极高要求；不满足于手工排查和经验判断，追求用系统方法持续降低问题复现、定位和修复成本。 - 不仅技术能力强，也能在不确定性和复杂协作中建立清晰秩序；低 ego、低内耗，能够通过结构化沟通和文档推动算法、产品、工程、QA 团队形成共识并持续交付。

职位要求

你将做什么 简而言之：构建 Atoms 的 Agent 执行与工程化质量闭环系统，让 AI Agent 的能力可以被稳定调用、真实验证、持续优化，并服务全球用户。 - 设计、构建和维护 Atoms 的核心 Harness 系统，覆盖任务执行、模型路由、Prompt Cache、并发调度、自动测试、结果评估、失败归因、流量回放与质量分析。 - 构建 Prompt Cache 优化体系，提升长上下文、多轮任务和重复任务的缓存命中率，降低模型调用成本与延迟。 - 设计多模型、多 harness、多工具链的路由机制，让不同任务能够自动选择合适的模型、Agent 架构、执行路径和降级策略。 - 构建高并发、异步化的 Agent 执行框架，支持任务拆解、队列调度、并行执行、状态恢复、失败重试、资源隔离和结果聚合。 - 构建面向 AI Agent 的端到端评测体系，让复杂任务、真实用户场景和线上问题能够被稳定复现、自动运行和持续对比。 - 与算法、产品、工程和 QA 团队协作，把线上反馈、失败样本、评测结果和用户行为转化为模型、Prompt、工具链、路由策略和产品体验的持续改进。 - 深度参与 Atoms 工程质量文化、评测标准和 AI Native 开发流程的定义，帮助团队形成更高标准、更快速度和更强质量确定性的工作方式。
申请职位