AI 研究员（Agent Harness）

Agent Harness Team 致力于构建能够完成真实复杂任务的智能体执行系统。我们关注工具调用、长期记忆、任务规划、错误恢复、多轮交互等关键能力，探索如何让模型与系统协同工作，在真实环境中稳定完成持续数小时乃至数天的开放式任务。

公司的愿景是 ASI for Science，Agent Harness Team 负责构建支撑通往愿景的核心能力框架，并通过真实科研任务持续验证和提升系统表现。同时，我们也将部署过程中积累的数据和经验反馈到模型训练中，推动模型在规划、工具使用和复杂问题求解上的持续进步，探索能够参与科学发现的新一代科研智能体。

岗位职责

设计 agent harness 核心组件：包括 tool interface, memory, planning loop, error recovery，构建稳定、可扩展的执行框架。

优化 harness 与 model 的协同：什么应该交给模型，什么应该交给系统；明确职责划分，提升整体效率与可靠性。

真实长程任务的端到端能力激发：在 multi-day SWE, automated AI research, frontier research 等场景中，验证并提升 harness 的实际表现。

把 harness 设计的经验反哺到 RL Post-Training：将通过实际部署获得的交互数据、失败模式与设计洞察，转化为模型后训练的信号，持续改进模型的规划、工具使用与错误恢复能力。

任职要求

在智能体系统、LLM 应用框架或相关领域有扎实的工程与研究经验，例如构建过复杂任务的 Agent 或 Harness 组件。

对模型与系统的职责边界有清晰思考，能够设计既灵活又鲁棒的接口与执行逻辑。

拥有在真实、长时、开放式任务中调试和优化智能体行为的经验，不满足于玩具示例或单步调用。

理解 RL / RLHF 的基本原理，能够将系统层的观察转化为模型训练的具体改进方向。

习惯从混乱的行为中抽象出模式，设计实验、快速迭代，并在工程与研究的交叉领域工作。

愿意动手搭建承重系统（如记忆存储、重试机制、状态管理），同时保持对前沿研究方向的敏感。