{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Harness工程师",
        "job_level": "初级",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "上海·徐汇区·漕河泾",
        "work_mode": "现场办公",AI生成
        "job_category": "AI应用软件工程师"AI生成
    },
    "company": {
        "company_name": "微芒科技",
        "company_industry": "互联网",
        "company_size": "100-499人",
        "company_website": "未披露",
        "company_description": "微芒科技是一家专注 AI+运动健康与教育 的创新公司，旗下拥有“天天跳绳”“体智云”“Bona AI”“小语老师”等产品，结合AI体感识别、AR互动和多模态大模型，为家庭、学校与青少年提供智能运动、学习陪伴和健康管理服务。公司致力于让科技成为孩子成长和家庭生活的温暖伙伴。"
    },
    "compensation": {
        "salary_range": {
            "min": 30000,
            "max": 60000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "周末双休 | 年终奖 | 带薪年假 | 五险一金 | 节日福利"
    },
    "requirements": {
        "working_years": 1,
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、设计并实现 Agent 框架:agent loop、终止条件与最大轮次护栏、并发/取消/超时、错误恢复与重试;\n2、设计并实现工具系统:工具注册表与协议(schema/参数校验)、权限模型、执行隔离,以及外部工具接入(MCP、第三方 API);\n3、建设上下文与记忆机制:对话状态、请求组装、上下文窗口管理与自动压缩(compaction)、跨会话记忆、session 生命周期与检查点/回退;\n4、设计接口层:向上为 agent 工程师提供清晰 SDK(工具注册、子 agent 派生、流式事件),向下对接多家模型服务(OpenAI/Anthropic 兼容协议、SSE、鉴权重试);\n5、建设评测与可观测性基础设施(回放、离线评测 harness、遥测),让上层能对质量做归因,并持续优化框架的延迟、吞吐与成本。",
        "requirements_text": "1、扎实的系统/后端工程能力,有 可被他人复用的框架/SDK/平台 落地经验;\n精通 Python(Go/Rust 加分),熟悉 异步与并发编程;\n2、理解 LLM 推理接口机制(function calling、streaming、structured output、prompt caching)——重机制,而非调参;\n3、良好的抽象与接口设计能力,能划清分层边界、定义稳定 API。\n加分项\n有LLM大模型原理的深度实践\n有 Agent/推理/编排框架的实现或深度改造经验;\n熟悉 MCP、沙箱与权限安全、高并发服务、LLM 评测体系。",
        "skills": [AI生成
            "API/SDK与开放平台开发",
            "Agent系统构建",
            "Prompt工程",
            "上下文/知识工程",
            "前后端/全栈开发",
            "大模型原理与能力边界",
            "工具调用/MCP",
            "模型/Agent评测体系",
            "编程与代码实现"
        ],
        "preferred_qualifications": "精通 Python(Go/Rust 加分),熟悉 异步与并发编程;\n加分项",
        "job_highlights": "1-3年 | 本科"
    },
    "contact": {
        "recruiter_name": "翟女士",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/0e8da49eb13c7ca90nFy2tS9GFNR.html"
            }
        ]
    },
    "posting": {
        "posting_id": "0e8da49eb13c7ca90nFy2tS9GFNR",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/0e8da49eb13c7ca90nFy2tS9GFNR.html"
    },
    "fulltext": "harness\nPython\n岗位职责\n1、设计并实现 Agent 框架:agent loop、终止条件与最大轮次护栏、并发/取消/超时、错误恢复与重试;\n2、设计并实现工具系统:工具注册表与协议(schema/参数校验)、权限模型、执⾏隔离,以及外部⼯具接⼊(MCP、第三方 API);\n3、建设上下文与记忆机制:对话状态、请求组装、上下⽂窗口管理与自动压缩(compaction)、跨会话记忆、session 生命周期与检查点/回退;\n4、设计接口层:向上为 agent 工程师提供清晰 SDK(工具注册、子 agent 派生、流式事件),向下对接多家模型服务(OpenAI/Anthropic 兼容协议、SSE、鉴权重试);\n5、建设评测与可观测性基础设施(回放、离线评测 harness、遥测),让上层能对质量做归因,并持续优化框架的延迟、吞吐与成本。\n岗位要求\n1、扎实的系统/后端工程能力,有 可被他人复用的框架/SDK/平台 落地经验;\n精通 Python(Go/Rust 加分),熟悉 异步与并发编程;\n2、理解 LLM 推理接口机制(function calling、streaming、structured output、prompt caching)——重机制,而非调参;\n3、良好的抽象与接口设计能力,能划清分层边界、定义稳定 API。\n加分项\n有LLM大模型原理的深度实践\n有 Agent/推理/编排框架的实现或深度改造经验;\n熟悉 MCP、沙箱与权限安全、高并发服务、LLM 评测体系。"
}