主分类：Agent系统开发
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 Harness 开发/优化工程师-【可灵AI专项】",
"job_level": "实习",AI生成
"work_category": "实习",AI生成
"department": "D15390",
"location": "Beijing",
"work_mode": "未披露",AI生成
"job_category": "J0011"AI生成
},
"company": {
"company_name": "快手科技",
"company_industry": "内容社区 / 直播 / 电商 / 人工智能",
"company_size": "10000人以上",
"company_website": "kuaishou.com",
"company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "Agent Harness 开发/优化工程师-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15390\n发布时间：2026-09-07\n\n岗位职责\n负责可灵Agent Harness 的开发与优化，为视频生成及多模态创作 Agent 提供稳定、高效、可扩展的运行框架，持续提升复杂任务的完成质量、执行效率与系统可靠性。包括但不限于：\n1、设计和优化 Agent Loop、Tool Use、上下文管理、记忆、状态管理及任务恢复等核心能力；\n2、建设适用于视频创作的多阶段 Agent Workflow，优化模型、工具与生成链路之间的协同；\n3、建立 Agent 评测和可观测体系，持续优化任务成功率、生成质量、延迟及成本；\n4、探索 LLM 与视频生成模型在任务规划、Prompt 优化、结果反馈和自动迭代中的应用。\n\n任职要求\n1、熟悉 LLM Agent 的核心机制，对任务规划、Tool Calling、上下文工程、记忆管理及多Agent 协作有实践经验；\n2、对 Agent Harness 或 Agent Runtime 有系统性理解，能够处理长任务执行、状态持久化、并发调度、失败恢复及 Human-in-the-loop 等问题；\n3、了解主流 LLM 的训练与推理机制，能够针对模型特性优化Prompt、工具描述、结构化输出和执行策略；\n4、熟悉视频生成模型及相关技术链路，理解文生视频、图生视频、视频编辑、参考图控制和多模态理解等基本机制；\n5、具备 AI-Native 的工作方式：善于使用 AI 编程及研究工具快速验证想法，能够通过实验、评测和数据反馈持续迭代，而非依赖经验判断。\n加分项：\n1、深入理解 Transformer、Diffusion、DiT、Flow Matching 等模型原理及推理机制；\n2、在 LLM、Agent、多模态理解或视频生成方向有论文、专利、开源项目等研究成果者优先；\n3、有 Agent Runtime、Workflow Engine、模型平台或复杂 AI 应用落地经验；\n4、对前沿技术保持敏感，具备较强的自主学习、问题定义和从不确定需求中快速形成可验证方案的能力。",
"requirements_text": "Agent Harness 开发/优化工程师-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15390\n发布时间：2026-09-07\n\n岗位职责\n负责可灵Agent Harness 的开发与优化，为视频生成及多模态创作 Agent 提供稳定、高效、可扩展的运行框架，持续提升复杂任务的完成质量、执行效率与系统可靠性。包括但不限于：\n1、设计和优化 Agent Loop、Tool Use、上下文管理、记忆、状态管理及任务恢复等核心能力；\n2、建设适用于视频创作的多阶段 Agent Workflow，优化模型、工具与生成链路之间的协同；\n3、建立 Agent 评测和可观测体系，持续优化任务成功率、生成质量、延迟及成本；\n4、探索 LLM 与视频生成模型在任务规划、Prompt 优化、结果反馈和自动迭代中的应用。\n\n任职要求\n1、熟悉 LLM Agent 的核心机制，对任务规划、Tool Calling、上下文工程、记忆管理及多Agent 协作有实践经验；\n2、对 Agent Harness 或 Agent Runtime 有系统性理解，能够处理长任务执行、状态持久化、并发调度、失败恢复及 Human-in-the-loop 等问题；\n3、了解主流 LLM 的训练与推理机制，能够针对模型特性优化Prompt、工具描述、结构化输出和执行策略；\n4、熟悉视频生成模型及相关技术链路，理解文生视频、图生视频、视频编辑、参考图控制和多模态理解等基本机制；\n5、具备 AI-Native 的工作方式：善于使用 AI 编程及研究工具快速验证想法，能够通过实验、评测和数据反馈持续迭代，而非依赖经验判断。\n加分项：\n1、深入理解 Transformer、Diffusion、DiT、Flow Matching 等模型原理及推理机制；\n2、在 LLM、Agent、多模态理解或视频生成方向有论文、专利、开源项目等研究成果者优先；\n3、有 Agent Runtime、Workflow Engine、模型平台或复杂 AI 应用落地经验；\n4、对前沿技术保持敏感，具备较强的自主学习、问题定义和从不确定需求中快速形成可验证方案的能力。",
"skills": [AI生成
"可靠性",
"招聘",
"大语言模型"
],
"preferred_qualifications": "加分项：；2、在 LLM、Agent、多模态理解或视频生成方向有论文、专利、开源项目等研究成果者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/32532"
}
]
},
"posting": {
"posting_id": "32532",
"post_date": "2026-09-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://zhaopin.kuaishou.cn/recruit/e/#/official/social/job-info/32532"
},
"fulltext": "Agent Harness 开发/优化工程师-【可灵AI专项】\nAgent Harness 开发/优化工程师-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15390\n发布时间：2026-09-07\n\n岗位职责\n负责可灵Agent Harness 的开发与优化，为视频生成及多模态创作 Agent 提供稳定、高效、可扩展的运行框架，持续提升复杂任务的完成质量、执行效率与系统可靠性。包括但不限于：\n1、设计和优化 Agent Loop、Tool Use、上下文管理、记忆、状态管理及任务恢复等核心能力；\n2、建设适用于视频创作的多阶段 Agent Workflow，优化模型、工具与生成链路之间的协同；\n3、建立 Agent 评测和可观测体系，持续优化任务成功率、生成质量、延迟及成本；\n4、探索 LLM 与视频生成模型在任务规划、Prompt 优化、结果反馈和自动迭代中的应用。\n\n任职要求\n1、熟悉 LLM Agent 的核心机制，对任务规划、Tool Calling、上下文工程、记忆管理及多Agent 协作有实践经验；\n2、对 Agent Harness 或 Agent Runtime 有系统性理解，能够处理长任务执行、状态持久化、并发调度、失败恢复及 Human-in-the-loop 等问题；\n3、了解主流 LLM 的训练与推理机制，能够针对模型特性优化Prompt、工具描述、结构化输出和执行策略；\n4、熟悉视频生成模型及相关技术链路，理解文生视频、图生视频、视频编辑、参考图控制和多模态理解等基本机制；\n5、具备 AI-Native 的工作方式：善于使用 AI 编程及研究工具快速验证想法，能够通过实验、评测和数据反馈持续迭代，而非依赖经验判断。\n加分项：\n1、深入理解 Transformer、Diffusion、DiT、Flow Matching 等模型原理及推理机制；\n2、在 LLM、Agent、多模态理解或视频生成方向有论文、专利、开源项目等研究成果者优先；\n3、有 Agent Runtime、Workflow Engine、模型平台或复杂 AI 应用落地经验；\n4、对前沿技术保持敏感，具备较强的自主学习、问题定义和从不确定需求中快速形成可验证方案的能力。\nAgent Harness 开发/优化工程师-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15390\n发布时间：2026-09-07\n\n岗位职责\n负责可灵Agent Harness 的开发与优化，为视频生成及多模态创作 Agent 提供稳定、高效、可扩展的运行框架，持续提升复杂任务的完成质量、执行效率与系统可靠性。包括但不限于：\n1、设计和优化 Agent Loop、Tool Use、上下文管理、记忆、状态管理及任务恢复等核心能力；\n2、建设适用于视频创作的多阶段 Agent Workflow，优化模型、工具与生成链路之间的协同；\n3、建立 Agent 评测和可观测体系，持续优化任务成功率、生成质量、延迟及成本；\n4、探索 LLM 与视频生成模型在任务规划、Prompt 优化、结果反馈和自动迭代中的应用。\n\n任职要求\n1、熟悉 LLM Agent 的核心机制，对任务规划、Tool Calling、上下文工程、记忆管理及多Agent 协作有实践经验；\n2、对 Agent Harness 或 Agent Runtime 有系统性理解，能够处理长任务执行、状态持久化、并发调度、失败恢复及 Human-in-the-loop 等问题；\n3、了解主流 LLM 的训练与推理机制，能够针对模型特性优化Prompt、工具描述、结构化输出和执行策略；\n4、熟悉视频生成模型及相关技术链路，理解文生视频、图生视频、视频编辑、参考图控制和多模态理解等基本机制；\n5、具备 AI-Native 的工作方式：善于使用 AI 编程及研究工具快速验证想法，能够通过实验、评测和数据反馈持续迭代，而非依赖经验判断。\n加分项：\n1、深入理解 Transformer、Diffusion、DiT、Flow Matching 等模型原理及推理机制；\n2、在 LLM、Agent、多模态理解或视频生成方向有论文、专利、开源项目等研究成果者优先；\n3、有 Agent Runtime、Workflow Engine、模型平台或复杂 AI 应用落地经验；\n4、对前沿技术保持敏感，具备较强的自主学习、问题定义和从不确定需求中快速形成可验证方案的能力。\nAgent Harness 开发/优化工程师-【可灵AI专项】\n\n基础信息\n招聘类型：实习\n职位类别：J0011\n工作地点：Beijing\n所属部门：D15390\n发布时间：2026-09-07\n\n岗位职责\n负责可灵Agent Harness 的开发与优化，为视频生成及多模态创作 Agent 提供稳定、高效、可扩展的运行框架，持续提升复杂任务的完成质量、执行效率与系统可靠性。包括但不限于：\n1、设计和优化 Agent Loop、Tool Use、上下文管理、记忆、状态管理及任务恢复等核心能力；\n2、建设适用于视频创作的多阶段 Agent Workflow，优化模型、工具与生成链路之间的协同；\n3、建立 Agent 评测和可观测体系，持续优化任务成功率、生成质量、延迟及成本；\n4、探索 LLM 与视频生成模型在任务规划、Prompt 优化、结果反馈和自动迭代中的应用。\n\n任职要求\n1、熟悉 LLM Agent 的核心机制，对任务规划、Tool Calling、上下文工程、记忆管理及多Agent 协作有实践经验；\n2、对 Agent Harness 或 Agent Runtime 有系统性理解，能够处理长任务执行、状态持久化、并发调度、失败恢复及 Human-in-the-loop 等问题；\n3、了解主流 LLM 的训练与推理机制，能够针对模型特性优化Prompt、工具描述、结构化输出和执行策略；\n4、熟悉视频生成模型及相关技术链路，理解文生视频、图生视频、视频编辑、参考图控制和多模态理解等基本机制；\n5、具备 AI-Native 的工作方式：善于使用 AI 编程及研究工具快速验证想法，能够通过实验、评测和数据反馈持续迭代，而非依赖经验判断。\n加分项：\n1、深入理解 Transformer、Diffusion、DiT、Flow Matching 等模型原理及推理机制；\n2、在 LLM、Agent、多模态理解或视频生成方向有论文、专利、开源项目等研究成果者优先；\n3、有 Agent Runtime、Workflow Engine、模型平台或复杂 AI 应用落地经验；\n4、对前沿技术保持敏感，具备较强的自主学习、问题定义和从不确定需求中快速形成可验证方案的能力。",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}