2 个岗位· 2026-10-14
公司部署资金超21亿美元，完成1621个项目，覆盖全美42个州，74%客户为复购客户，公司自有资金雄厚。 总部位于硅⾕，致⼒于构建 AI-native 产品，服务于那些 AI 可以显著提升智能化、⾃动化和决策质量的⾏业 我们⽬前深度投⼊模型训练和 Agent Engineering。模型⽅向包括基于⾼质量代码和垂直领域数据的 Continued Pretraining、Supervised Fine-tuning、Preference Tuning、 Reinforcement Learning (包括基于真实 Tool-use Traces 的 Agentic RL)、训练数据构 建、评估系统设计以及推理和成本优化。我们关注实际产品表现，⽽⾮仅仅是 Benchmark 分数，⽬标是提升真实产品⾏为，例如更强的推理能⼒、更可靠的⼯具调⽤、更快的推理速度、更低的成本、更⻓的上下⽂处理能⼒、更强的代码库级别编码能⼒、在垂直任务上的更优表现以及更好的模型失败评估和调试能⼒。
Harness工程师
我们正在把前沿模型能力转化为真正可用的桌面端 Agent 产品。模型本身之外，所有让 Agent 能理解任务、组织上下文、调用工具、修改代码、记录过程、回滚现场、形成训练反馈的系统能力，都属于 Harness 的范畴。 你将加入 Harness 团队，参与当前桌面端 Agent 产品的核心研发，把模型能力落到真实的软件开发工作流里。
【主要职责】 1.参与 Harness 产品核心研发，包括桌面端工作台、Agent Loop、工具调用、上下文管理、插件/MCP/skills、trace、rollback、训练反馈等方向。 2.设计和改进 Agent 代码变更链路，包括 Git 控制、diff/patch、staging、branch/worktree、变更追踪、冲突处理、回滚与恢复。 3.与研究员协作，分析模型在真实任务中的成功和失败案例，推动 Harness 与模型能力共同进化。 4.基于内部真实开发任务 dogfood 产品，持续发现并解决 Agent 在工程场景中的可用性、可靠性和开发体验问题。 5.参与技术架构、工程质量、产品体验和项目推进。 【任职要求】 2 年以上软件开发经验，特别优秀者可放宽。 2.知名高校本科及以上学历。 3.工程能力扎实，至少在以下一个方向非常熟练： 前端方向：React、TypeScript、状态管理、复杂交互、桌面端 UI 工程。桌面端方向：Electron、主进程/渲染进程通信、本地文件系统、进程管理、跨平台桌面应用。 后端方向：Python、异步/进程模型、工具系统、服务端架构、测试与工程化。 工程化 / 代码控制方向：Git、branch/worktree、diff/patch、merge/rebase、冲突处理、代码变更追踪、rollback/restore、CI/测试流水线。 4.不要求 React / Electron / Python / 工程化四个方向都精通，但至少要能独立 owner 一个核心方向，并能读懂、协作另一个方向。 5.熟练使用 AI Agent 工具进行真实软件开发，对 Agent 产品有高强度使用经验。 6.理解 LLM / Agent 的基本机制，包括 LLM API、context window、agent loop、tool use、reasoning、planning、MCP、memory、subagent 等。
AI产品经理
岗位职责 1.负责 AI Agent 产品整体规划、架构设计与工作流设计。 2.将复杂业务流程拆解并转化为 AI Agent 可执行的任务流程和协同机制。 3.设计文档理解、信息提取、规则校验、风险识别、来源引用、结果生成等核心能力。 4.设计 AI 与人工协同工作的复核、审批、反馈和持续优化机制（Human-in-the-Loop）。 5.与工程团队共同定义 Prompt、Tool Calling、Memory、RAG、MCP、结构化输出及 Agent Workflow 等核心方案。 6.建立 AI 产品评测体系，包括 Benchmark、测试集、质量标准、自动化评测及 Bad Case 分析闭环。 7.定义数据模型、字段规范、状态管理、规则引擎、来源可信度、审计日志等基础能力。 8.输出 PRD、流程图、状态机、验收标准、边界案例、交互方案及 UX 文档。 9.持续优化 AI Agent 的准确率、稳定性、可解释性、执行效率和用户体验。 10.能够在快节奏环境下推动产品快速迭代，同时建立并维护清晰的验收标准、质量门禁与高品质交付标准。 任职要求 1.本科及以上学历，3年以上产品经理或相关工作经验。 2.深刻理解 AI Agent 基本架构，包括 Prompt、Tool Calling、Memory、RAG、Workflow、结构化输出及 Agent Trace。 3.理解 AI Agent 如何完成任务规划、工具调用、文档处理、多轮推理及复杂流程自动化。 4.具备复杂业务系统、企业级软件或 AI 产品设计经验。 5.具备优秀的流程设计、抽象建模和逻辑分析能力，能够将专家工作流产品化、标准化。 6.具备 AI Evaluation 意识，能够设计 Benchmark、测试案例、Bad Case 分析及持续优化机制。 7.具备良好的数据建模能力，能够设计数据结构、字段规则、状态机、权限模型及审计机制。 8.能够阅读英文技术文档，并具备日常英文沟通能力。 9.能够与工程团队讨论 API、JSON Schema、OCR、Document AI、系统集成、模型能力边界及工程实现方案。