主分类：AI模型评测工程
辅助：软件测试与质量工程（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "Agent稳定性测试工程师",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "核心本地商业-基础研发平台",
"location": "北京市 / 成都市",
"work_mode": "未披露",AI生成
"job_category": "技术类"AI生成
},
"company": {
"company_name": "美团",
"company_industry": "科技零售 / 生活服务",
"company_size": "10000人以上",
"company_website": "meituan.com",
"company_description": "美团通过科技推动服务零售和商品零售的数字化，连接消费者与商户。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "大学本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "负责 CatPaw Agent 稳定性测试和评测体系建设，设计并实现覆盖 Skill/Plugin、工具调用、端到端任务完成度的评测框架与自动化测试基建，支撑模型与策略选型决策，以及持续量化并提升开发者体验。\n面向 CatPaw 多智能体集群构建运行时评测能力，针对路由调度、会话管理、记忆系统等模块设计场景化用例集与回归基线，识别多轮长链路下的能力衰减与稳定性风险。\n主导长程任务 harness 效果评估工作，围绕Prompt 工程、tool Calling 、上下文管理、以及memory能力建立指标体系，评测驱动Agent持续优化。\n主导CatPaw Agent产品需求交付质量保障、AI自动化测试开发，保障Agent产品的高质量高效上线。\n覆盖 IM/社交/办公等多端渠道及浏览器自动化场景的真实链路验收，badcase分析，沉淀可复用的场景数据集与自动化巡检能力，推动线上质量可观测，以及数据飞轮建设。\n参与安全与合规评测，针对多租户权限隔离、数据沙箱、越权与提示注入等风险构建红队用例与对抗性评测方案，保障系统安全性与稳定性。",
"requirements_text": "大学本科及以上学历，3 年以上研发或质量工程经验，精通 TypeScript/Node.js 或 Python，具备较强的工程实现能力。\n重度 AI Coding 用户，熟练使用 CatPaw/NoCode/Cursor/CC/CodeX 等 AI 编程工具完成日常开发与评测脚本建设。\n深入理解 LLM 应用开发，掌握 Prompt 设计、Tool Use、RAG 等核心技术，理解其常见失效模式与对应的评估手段。\n熟悉大模型评测方法论，包括自动化评测、LLM-as-a-Judge、人工标注与抽样、A/B 实验与统计显著性判断，能设计出可复现、低噪声的评测流程。\n具备平台或框架级系统设计能力，能独立完成评测平台核心模块的架构与实现，并推动数据驱动的质量改进落地。\n具备自驱力，善于与 AI 协作，主动探索技术边界并推动结论转化为产品迭代。",
"skills": [AI生成
"Python",
"TypeScript",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "未披露",
"job_highlights": "参与构建下一代 AI Agent 开发框架的评测标准与质量体系，结论直接影响框架演进方向，技术影响力广泛。\n深度使用 AI 工具进行开发与评测，鼓励高效人机协作。\n与前沿 AI 技术团队共同探索多智能体系统、浏览器自动化等创新方向的评估难题。\n扁平化工作环境，支持技术自主决策与快速迭代。"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4701960271&jobShareType=1"
}
]
},
"posting": {
"posting_id": "4701960271",
"post_date": "",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.meituan.com/web/position/detail?jobUnionId=4701960271&jobShareType=1"
},
"fulltext": "Agent稳定性测试工程师\nAgent稳定性测试工程师\n\n基础信息\n工作地点：北京市 / 成都市\n部门：核心本地商业-基础研发平台\n职位类别：技术类\n职位族群：测试\n更新时间：2026-08-20\n\n岗位职责\n负责 CatPaw Agent 稳定性测试和评测体系建设，设计并实现覆盖 Skill/Plugin、工具调用、端到端任务完成度的评测框架与自动化测试基建，支撑模型与策略选型决策，以及持续量化并提升开发者体验。\n面向 CatPaw 多智能体集群构建运行时评测能力，针对路由调度、会话管理、记忆系统等模块设计场景化用例集与回归基线，识别多轮长链路下的能力衰减与稳定性风险。\n主导长程任务 harness 效果评估工作，围绕Prompt 工程、tool Calling 、上下文管理、以及memory能力建立指标体系，评测驱动Agent持续优化。\n主导CatPaw Agent产品需求交付质量保障、AI自动化测试开发，保障Agent产品的高质量高效上线。\n覆盖 IM/社交/办公等多端渠道及浏览器自动化场景的真实链路验收，badcase分析，沉淀可复用的场景数据集与自动化巡检能力，推动线上质量可观测，以及数据飞轮建设。\n参与安全与合规评测，针对多租户权限隔离、数据沙箱、越权与提示注入等风险构建红队用例与对抗性评测方案，保障系统安全性与稳定性。\n\n岗位基本要求\n大学本科及以上学历，3 年以上研发或质量工程经验，精通 TypeScript/Node.js 或 Python，具备较强的工程实现能力。\n重度 AI Coding 用户，熟练使用 CatPaw/NoCode/Cursor/CC/CodeX 等 AI 编程工具完成日常开发与评测脚本建设。\n深入理解 LLM 应用开发，掌握 Prompt 设计、Tool Use、RAG 等核心技术，理解其常见失效模式与对应的评估手段。\n熟悉大模型评测方法论，包括自动化评测、LLM-as-a-Judge、人工标注与抽样、A/B 实验与统计显著性判断，能设计出可复现、低噪声的评测流程。\n具备平台或框架级系统设计能力，能独立完成评测平台核心模块的架构与实现，并推动数据驱动的质量改进落地。\n具备自驱力，善于与 AI 协作，主动探索技术边界并推动结论转化为产品迭代。\n\n岗位亮点\n参与构建下一代 AI Agent 开发框架的评测标准与质量体系，结论直接影响框架演进方向，技术影响力广泛。\n深度使用 AI 工具进行开发与评测，鼓励高效人机协作。\n与前沿 AI 技术团队共同探索多智能体系统、浏览器自动化等创新方向的评估难题。\n扁平化工作环境，支持技术自主决策与快速迭代。\n负责 CatPaw Agent 稳定性测试和评测体系建设，设计并实现覆盖 Skill/Plugin、工具调用、端到端任务完成度的评测框架与自动化测试基建，支撑模型与策略选型决策，以及持续量化并提升开发者体验。\n面向 CatPaw 多智能体集群构建运行时评测能力，针对路由调度、会话管理、记忆系统等模块设计场景化用例集与回归基线，识别多轮长链路下的能力衰减与稳定性风险。\n主导长程任务 harness 效果评估工作，围绕Prompt 工程、tool Calling 、上下文管理、以及memory能力建立指标体系，评测驱动Agent持续优化。\n主导CatPaw Agent产品需求交付质量保障、AI自动化测试开发，保障Agent产品的高质量高效上线。\n覆盖 IM/社交/办公等多端渠道及浏览器自动化场景的真实链路验收，badcase分析，沉淀可复用的场景数据集与自动化巡检能力，推动线上质量可观测，以及数据飞轮建设。\n参与安全与合规评测，针对多租户权限隔离、数据沙箱、越权与提示注入等风险构建红队用例与对抗性评测方案，保障系统安全性与稳定性。\n大学本科及以上学历，3 年以上研发或质量工程经验，精通 TypeScript/Node.js 或 Python，具备较强的工程实现能力。\n重度 AI Coding 用户，熟练使用 CatPaw/NoCode/Cursor/CC/CodeX 等 AI 编程工具完成日常开发与评测脚本建设。\n深入理解 LLM 应用开发，掌握 Prompt 设计、Tool Use、RAG 等核心技术，理解其常见失效模式与对应的评估手段。\n熟悉大模型评测方法论，包括自动化评测、LLM-as-a-Judge、人工标注与抽样、A/B 实验与统计显著性判断，能设计出可复现、低噪声的评测流程。\n具备平台或框架级系统设计能力，能独立完成评测平台核心模块的架构与实现，并推动数据驱动的质量改进落地。\n具备自驱力，善于与 AI 协作，主动探索技术边界并推动结论转化为产品迭代。",
"standard_classification": {
"std_category_code": "T015",
"std_aux_codes": [
"T022"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}