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 研发工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "武汉、北京",
"work_mode": "未披露",AI生成
"job_category": "软件研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"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": "6、能用英文阅读技术文档和参与社区交流",AI生成
"visa_support": "未披露",
"responsibilities": "1、自研 Harness 框架：参与设计和开发面向行业场景的 Agent Harness 产品技术架构，包括 Agent Loop、工具系统、上下文管理、记忆与状态管理等核心模块\n2、行业 Agent 落地：基于自研 Harness 框架，实现零售、客服、研发、供应链、办公等行业 Agent，将通用模型能力适配到垂直业务场景\n3、算法与工程联合优化：从算法角度和工程角度联合优化，从 Context Engineering、Harness Engineering 等角度持续优化 Agent 的任务完成率与用户体验\n4、模型+Harness 协同进化：以行业真实任务为反馈源，推动模型能力与 Harness 架构的双向迭代，实现 1+1>2 的效果\n5、前沿技术追踪与落地：跟踪 Agent 领域前沿进展（MCP、A2A、Multi-Agent、Sub-agent 等），快速验证并在产品中落地",
"requirements_text": "必须项：\n1、熟悉大模型基本原理与技术机制，包括但不限于：Transformer 架构、注意力机制、KV Cache、推理优化（Reasoning）、Tokenization 等\n2、熟悉 Agent 核心概念与技术栈：Agent Loop、Tool Use、Planning、Skills、MCP（Model Context Protocol）、Memory、Sub-agent、Multi-Agent\n3、深度使用过主流 Agent / Harness 产品（如 Claude Code、Codex、OpenCode、OpenClaw、Hermes 等），对 Agent 产品有品味和判断力\n4、了解大模型的训练过程，包括预训练/后训练，熟悉开源大模型技术报告的模型与训练细节\n5、对 Prompt Engineering、Context Engineering、Harness Engineering 有实践理解和浓厚兴趣\n6、熟练使用 AI Agent 工具进行软件开发，具备在 AI 辅助下快速上手陌生技术栈的能力\n7、扎实的编程基础，至少精通 Python / TypeScript / Go 中的一种语言\n8、良好的沟通能力与团队协作精神\n加分项：\n1、有 AI Agent 或 LLM 应用的实际项目经验（课程项目、开源项目均可）\n2、有个人开源作品或对开源社区有深度贡献\n3、了解 RAG（检索增强生成）、Function Calling、Embedding 等技术\n4、有行业场景（零售/客服/供应链/办公等）的实习或项目经验\n5、在计算机科学、编程竞赛或数据科学领域具有含金量的奖项或论文发表\n6、能用英文阅读技术文档和参与社区交流",
"skills": [AI生成
"Python",
"TypeScript",
"团队协作",
"沟通能力",
"Go",
"大语言模型",
"检索增强生成",
"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://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671284471720020243/detail"
}
]
},
"posting": {
"posting_id": "7671284471720020243",
"post_date": "2026-08-07",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7671284471720020243/detail"
},
"fulltext": "Agent Harness 研发工程师\n职位描述\n1、自研 Harness 框架：参与设计和开发面向行业场景的 Agent Harness 产品技术架构，包括 Agent Loop、工具系统、上下文管理、记忆与状态管理等核心模块\n2、行业 Agent 落地：基于自研 Harness 框架，实现零售、客服、研发、供应链、办公等行业 Agent，将通用模型能力适配到垂直业务场景\n3、算法与工程联合优化：从算法角度和工程角度联合优化，从 Context Engineering、Harness Engineering 等角度持续优化 Agent 的任务完成率与用户体验\n4、模型+Harness 协同进化：以行业真实任务为反馈源，推动模型能力与 Harness 架构的双向迭代，实现 1+1>2 的效果\n5、前沿技术追踪与落地：跟踪 Agent 领域前沿进展（MCP、A2A、Multi-Agent、Sub-agent 等），快速验证并在产品中落地\n\n职位要求\n必须项：\n1、熟悉大模型基本原理与技术机制，包括但不限于：Transformer 架构、注意力机制、KV Cache、推理优化（Reasoning）、Tokenization 等\n2、熟悉 Agent 核心概念与技术栈：Agent Loop、Tool Use、Planning、Skills、MCP（Model Context Protocol）、Memory、Sub-agent、Multi-Agent\n3、深度使用过主流 Agent / Harness 产品（如 Claude Code、Codex、OpenCode、OpenClaw、Hermes 等），对 Agent 产品有品味和判断力\n4、了解大模型的训练过程，包括预训练/后训练，熟悉开源大模型技术报告的模型与训练细节\n5、对 Prompt Engineering、Context Engineering、Harness Engineering 有实践理解和浓厚兴趣\n6、熟练使用 AI Agent 工具进行软件开发，具备在 AI 辅助下快速上手陌生技术栈的能力\n7、扎实的编程基础，至少精通 Python / TypeScript / Go 中的一种语言\n8、良好的沟通能力与团队协作精神\n加分项：\n1、有 AI Agent 或 LLM 应用的实际项目经验（课程项目、开源项目均可）\n2、有个人开源作品或对开源社区有深度贡献\n3、了解 RAG（检索增强生成）、Function Calling、Embedding 等技术\n4、有行业场景（零售/客服/供应链/办公等）的实习或项目经验\n5、在计算机科学、编程竞赛或数据科学领域具有含金量的奖项或论文发表\n6、能用英文阅读技术文档和参与社区交流\n1、自研 Harness 框架：参与设计和开发面向行业场景的 Agent Harness 产品技术架构，包括 Agent Loop、工具系统、上下文管理、记忆与状态管理等核心模块\n2、行业 Agent 落地：基于自研 Harness 框架，实现零售、客服、研发、供应链、办公等行业 Agent，将通用模型能力适配到垂直业务场景\n3、算法与工程联合优化：从算法角度和工程角度联合优化，从 Context Engineering、Harness Engineering 等角度持续优化 Agent 的任务完成率与用户体验\n4、模型+Harness 协同进化：以行业真实任务为反馈源，推动模型能力与 Harness 架构的双向迭代，实现 1+1>2 的效果\n5、前沿技术追踪与落地：跟踪 Agent 领域前沿进展（MCP、A2A、Multi-Agent、Sub-agent 等），快速验证并在产品中落地\n必须项：\n1、熟悉大模型基本原理与技术机制，包括但不限于：Transformer 架构、注意力机制、KV Cache、推理优化（Reasoning）、Tokenization 等\n2、熟悉 Agent 核心概念与技术栈：Agent Loop、Tool Use、Planning、Skills、MCP（Model Context Protocol）、Memory、Sub-agent、Multi-Agent\n3、深度使用过主流 Agent / Harness 产品（如 Claude Code、Codex、OpenCode、OpenClaw、Hermes 等），对 Agent 产品有品味和判断力\n4、了解大模型的训练过程，包括预训练/后训练，熟悉开源大模型技术报告的模型与训练细节\n5、对 Prompt Engineering、Context Engineering、Harness Engineering 有实践理解和浓厚兴趣\n6、熟练使用 AI Agent 工具进行软件开发，具备在 AI 辅助下快速上手陌生技术栈的能力\n7、扎实的编程基础，至少精通 Python / TypeScript / Go 中的一种语言\n8、良好的沟通能力与团队协作精神\n加分项：\n1、有 AI Agent 或 LLM 应用的实际项目经验（课程项目、开源项目均可）\n2、有个人开源作品或对开源社区有深度贡献\n3、了解 RAG（检索增强生成）、Function Calling、Embedding 等技术\n4、有行业场景（零售/客服/供应链/办公等）的实习或项目经验\n5、在计算机科学、编程竞赛或数据科学领域具有含金量的奖项或论文发表\n6、能用英文阅读技术文档和参与社区交流",
"standard_classification": {
"std_category_code": "T009",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}