{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "千问办公-AI Agent Harness 工程师-杭州",
        "job_level": "未披露",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "杭州",
        "work_mode": "未披露",AI生成
        "job_category": "技术类-开发"AI生成
    },
    "company": {
        "company_name": "钉钉",
        "company_industry": "企业服务 / 协同办公",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "钉钉提供企业沟通、协同办公和组织数字化工具。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1. 参与设计和建设千问办公 AI Agent 的底层 Harness 架构，支撑 Agent 会话生命周期、Turn/Event 流、工具调用、文件上下文、沙箱执行、插件/技能加载等核心链路。\n2. 建设 Agent Runtime 与多 Engine 适配层，支持不同 Agent / 模型执行引擎在统一协议和运行环境下稳定工作。\n3. 设计工具调用与 MCP / Plugin / Skill 的加载、投影、隔离、权限、诊断和 fallback 机制。\n4. 建设面向研发的本地与云端 Harness，包括场景启动器、会话回放、事件重放、调试面板、日志与 Trace 等。\n5. 提升 Agent 系统的可观测性，围绕 Agent 事件流、沙箱状态、工具调用链路、文件读写、模型响应、错误恢复等建立完整诊断能力。\n6. 把 Agent 产品中的不稳定、不透明、难复现问题沉淀为底层能力和工程工具。\n7. 持续优化 Agent 启动性能、运行稳定性、调试效率、开发体验和发布安全性。\n8. 以评测驱动 Harness 工程迭代，参与评测、回归和 benchmark 体系建设。",
        "requirements_text": "我们希望你具备\n1. 扎实的软件工程能力，熟悉 Go / Python / TypeScript / Rust 中至少一门，掌握两门及以上更佳。\n2. 理解 AI Agent 的基本架构，包括 tool calling、MCP、function calling、prompt / context 构造、多轮会话、执行环境、插件/技能机制、Multi-Agent 架构等。\n3. 有后端基础设施、开发者工具、自动化平台、测试平台、运行时系统、分布式系统或 Agent 平台相关经验。\n4. 熟悉异步事件流、WebSocket、状态机、任务编排、容器、沙箱、文件系统、权限隔离、日志追踪等工程问题。\n5. 能设计可复现、可调试、可扩展的工程系统，而不是只靠人工排查和一次性脚本。\n6. 有较强的工程抽象能力，能把零散问题收敛成统一协议、工具、框架或平台能力。\n加分项\n1. 对 AI 保持强烈热情和好奇心，能快速跟进 AI 技术变化，会主动探索最新 AI Agent 技术、开源项目、模型能力和工程实践。\n2. 深度使用或研究过 Codex、Claude Code、OpenCode、Cursor、Cline、LangGraph、AutoGen、CrewAI、MCP 等 Agent 生态。\n3. 做过 Agent Runtime、插件系统、工具调用框架、沙箱执行环境、Browser/Computer Use、代码执行环境或开发者平台。\n4. 熟悉 Kubernetes、容器镜像、远程执行、文件存储、消息队列、事件溯源、分布式 tracing。\n5. 有 CLI、SDK、协议适配层、自动化调试工具、优化 Harness、场景回放系统建设经验。",
        "skills": [AI生成
            "Python",
            "TypeScript",
            "Rust",
            "Kubernetes",
            "分布式系统",
            "Go",
            "智能体开发"
        ],
        "preferred_qualifications": "加分项",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100030820001"
            }
        ]
    },
    "posting": {
        "posting_id": "100030820001",
        "post_date": "2026-09-10",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.dingtalk.com/off-campus/position-detail?positionId=100030820001"
    },
    "fulltext": "千问办公-AI Agent Harness 工程师-杭州\n千问办公-AI Agent Harness 工程师-杭州\n\n基础信息\n职位类别：技术类-开发\n工作地点：杭州\n\n职位描述\n1. 参与设计和建设千问办公 AI Agent 的底层 Harness 架构，支撑 Agent 会话生命周期、Turn/Event 流、工具调用、文件上下文、沙箱执行、插件/技能加载等核心链路。\n2. 建设 Agent Runtime 与多 Engine 适配层，支持不同 Agent / 模型执行引擎在统一协议和运行环境下稳定工作。\n3. 设计工具调用与 MCP / Plugin / Skill 的加载、投影、隔离、权限、诊断和 fallback 机制。\n4. 建设面向研发的本地与云端 Harness，包括场景启动器、会话回放、事件重放、调试面板、日志与 Trace 等。\n5. 提升 Agent 系统的可观测性，围绕 Agent 事件流、沙箱状态、工具调用链路、文件读写、模型响应、错误恢复等建立完整诊断能力。\n6. 把 Agent 产品中的不稳定、不透明、难复现问题沉淀为底层能力和工程工具。\n7. 持续优化 Agent 启动性能、运行稳定性、调试效率、开发体验和发布安全性。\n8. 以评测驱动 Harness 工程迭代，参与评测、回归和 benchmark 体系建设。\n\n职位要求\n我们希望你具备\n1. 扎实的软件工程能力，熟悉 Go / Python / TypeScript / Rust 中至少一门，掌握两门及以上更佳。\n2. 理解 AI Agent 的基本架构，包括 tool calling、MCP、function calling、prompt / context 构造、多轮会话、执行环境、插件/技能机制、Multi-Agent 架构等。\n3. 有后端基础设施、开发者工具、自动化平台、测试平台、运行时系统、分布式系统或 Agent 平台相关经验。\n4. 熟悉异步事件流、WebSocket、状态机、任务编排、容器、沙箱、文件系统、权限隔离、日志追踪等工程问题。\n5. 能设计可复现、可调试、可扩展的工程系统，而不是只靠人工排查和一次性脚本。\n6. 有较强的工程抽象能力，能把零散问题收敛成统一协议、工具、框架或平台能力。\n加分项\n1. 对 AI 保持强烈热情和好奇心，能快速跟进 AI 技术变化，会主动探索最新 AI Agent 技术、开源项目、模型能力和工程实践。\n2. 深度使用或研究过 Codex、Claude Code、OpenCode、Cursor、Cline、LangGraph、AutoGen、CrewAI、MCP 等 Agent 生态。\n3. 做过 Agent Runtime、插件系统、工具调用框架、沙箱执行环境、Browser/Computer Use、代码执行环境或开发者平台。\n4. 熟悉 Kubernetes、容器镜像、远程执行、文件存储、消息队列、事件溯源、分布式 tracing。\n5. 有 CLI、SDK、协议适配层、自动化调试工具、优化 Harness、场景回放系统建设经验。\n1. 参与设计和建设千问办公 AI Agent 的底层 Harness 架构，支撑 Agent 会话生命周期、Turn/Event 流、工具调用、文件上下文、沙箱执行、插件/技能加载等核心链路。\n2. 建设 Agent Runtime 与多 Engine 适配层，支持不同 Agent / 模型执行引擎在统一协议和运行环境下稳定工作。\n3. 设计工具调用与 MCP / Plugin / Skill 的加载、投影、隔离、权限、诊断和 fallback 机制。\n4. 建设面向研发的本地与云端 Harness，包括场景启动器、会话回放、事件重放、调试面板、日志与 Trace 等。\n5. 提升 Agent 系统的可观测性，围绕 Agent 事件流、沙箱状态、工具调用链路、文件读写、模型响应、错误恢复等建立完整诊断能力。\n6. 把 Agent 产品中的不稳定、不透明、难复现问题沉淀为底层能力和工程工具。\n7. 持续优化 Agent 启动性能、运行稳定性、调试效率、开发体验和发布安全性。\n8. 以评测驱动 Harness 工程迭代，参与评测、回归和 benchmark 体系建设。\n我们希望你具备\n1. 扎实的软件工程能力，熟悉 Go / Python / TypeScript / Rust 中至少一门，掌握两门及以上更佳。\n2. 理解 AI Agent 的基本架构，包括 tool calling、MCP、function calling、prompt / context 构造、多轮会话、执行环境、插件/技能机制、Multi-Agent 架构等。\n3. 有后端基础设施、开发者工具、自动化平台、测试平台、运行时系统、分布式系统或 Agent 平台相关经验。\n4. 熟悉异步事件流、WebSocket、状态机、任务编排、容器、沙箱、文件系统、权限隔离、日志追踪等工程问题。\n5. 能设计可复现、可调试、可扩展的工程系统，而不是只靠人工排查和一次性脚本。\n6. 有较强的工程抽象能力，能把零散问题收敛成统一协议、工具、框架或平台能力。\n加分项\n1. 对 AI 保持强烈热情和好奇心，能快速跟进 AI 技术变化，会主动探索最新 AI Agent 技术、开源项目、模型能力和工程实践。\n2. 深度使用或研究过 Codex、Claude Code、OpenCode、Cursor、Cline、LangGraph、AutoGen、CrewAI、MCP 等 Agent 生态。\n3. 做过 Agent Runtime、插件系统、工具调用框架、沙箱执行环境、Browser/Computer Use、代码执行环境或开发者平台。\n4. 熟悉 Kubernetes、容器镜像、远程执行、文件存储、消息队列、事件溯源、分布式 tracing。\n5. 有 CLI、SDK、协议适配层、自动化调试工具、优化 Harness、场景回放系统建设经验。",
    "standard_classification": {
        "std_category_code": "T009",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}