{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agent 工程师",
        "job_level": "高级",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": "远程办公",AI生成
        "job_category": "AI应用软件工程师"AI生成
    },
    "company": {
        "company_name": "上海将然科技有限公司",
        "company_industry": "人工智能",
        "company_size": "0-20人",
        "company_website": "未披露",
        "company_description": "Emagen AI，核心成员来自CMU SCS、上海交通大学、复旦大学、北京大学、清华大学等，已获得国内知名风投机构的数百万元天使轮融资（估值3000万人民币）。已实现全新的 Action, Memory, Agency 架构；并于多个企业场景实现落地。Emagen 专注于推动人类与 AI Agent 的协同进化，构建科幻级未来。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "元",
            "cycle": "天"
        },
        "benefits": "保底工资 | 绩效奖金"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "Golang\n中大型项目开发经验\n系统架构设计经验\nEmagen 是一家探索下一代人机协作方式的 AI 创业公司。\n我们的团队分布在中国和美国,成员来自 SJTU、CMU、FDU、PKU、THU 等高校,已获得国内知名风险投资机构数百万元人民币天使轮融资。团队采用 Full Remote 的协作方式。\n我们正在构建 OS-Level Agent:它不只是回答问题,而是能够理解长期上下文、调用工具、操作软件、协调工作并持续完成真实任务的智能系统。\n我们关心的不是如何为现有软件增加一个聊天入口,而是当 Agent 成为计算机的主要使用者之后,软件、工作与组织将如何被重新设计。\n关于这个角色\n我们正在寻找能够把前沿模型能力转化为可靠产品体验的 AI Agent Engineer。\n你会工作在模型与真实世界之间的系统层:设计 Agent 如何理解任务、组织上下文、使用工具、执行动作、处理失败,并从真实用户反馈中持续变得更好。\n这不是一个以调用 Agent 框架 API 为核心的岗位。你需要深入理解模型在真实任务中的行为,并通过 Agent Harness、Context Engineering、Evaluation、Tooling 和 Runtime Design,让模型能够稳定完成长链路、开放式的工作。\n你将有机会参与定义 Emagen Agent 的核心架构,以及什么才算一个真正有用、可靠并能够长期协作的 Agent。\n你可能会做的事情\n* 设计和迭代 Agent 的核心执行循环,包括任务理解、规划、行动、观察、反思与恢复机制;\n* 构建面向真实工作场景的 Agent Harness,设计模型可使用的工具、环境、反馈机制与执行约束;\n* 研究如何在有限上下文中组织信息,通过 Context Engineering、Memory、Skills 和动态检索提升 Agent 的长期任务表现;\n* 构建 Browser Use、Computer Use、Code Execution、Search、MCP 和第三方软件操作能力;\n* 设计 Agent Evaluation 体系,衡量任务成功率、轨迹质量、可靠性、延迟、成本与用户价值;\n* 分析生产环境中的失败轨迹,定位模型、上下文、工具、环境或产品交互中的根本问题;\n* 建立从真实用户任务、生产日志和人工反馈到 Evaluation、Agent Behavior 与模型改进的闭环;\n* 探索 Agent 在长周期任务、异步执行、多任务协作和开放环境中的能力边界;\n* 与产品和工程团队共同定义 Agent 原生的产品交互,而不是简单地把模型接入现有工作流。\n你可能很适合这个角色,如果你\n* 曾经从零构建并交付过真正被用户使用的 LLM 或 Agent 产品;\n* 能够独立进入一个模糊的问题领域,快速形成判断并推动项目从想法走向可用产品;\n* 对模型为什么成功或失败具有强烈好奇心,愿意阅读轨迹、设计实验并系统性地寻找答案;\n* 能够同时从模型行为、软件系统和用户结果三个层面思考问题;\n* 具有扎实的软件工程能力,能够构建可靠、可观察、可持续迭代的生产系统;\n* 熟练使用 Python,并能够根据需要进入 TypeScript、基础设施、浏览器自动化或分布式系统等不同技术层;\n* 熟悉 Tool Use、Structured Outputs、Context Engineering、Agent Evaluation 或模型实验中的一个或多个方向;\n* 更关注实际任务成功率和用户价值,而不是 Demo 效果、框架数量或 Benchmark 分数;\n* 在高度不确定的环境中依然能够保持高自主性、高行动力和清晰判断;\n* 对 Agent 如何改变软件、人类工作和组织方式有自己的思考。\n一些可能相关的经历\n这些不是必须条件,也不是关键词清单。我们更关心你是否解决过足够困难、真实的问题。\n* 构建过 Coding Agent、Browser Agent、Computer Use、Deep Research 或其他长链路 Agent;\n* 设计过 Agent Harness、Sandbox、Tool Runtime、Skill System 或模型执行环境;\n* 构建过 Evaluation、Tracing、Observability、Synthetic Tasks 或生产反馈系统;\n* 有强化学习、后训练、模型微调、数据生成或模型评估经验;\n* 深入处理过 RAG、Memory、Search、Knowledge Graph 或大规模上下文管理问题;\n* 有浏览器自动化、虚拟机、容器、分布式系统或安全执行环境经验;\n* 在搜索、推荐、NLP、开发者工具或复杂工作流产品中负责过核心系统;\n* 做过有真实用户、真实使用量或真实收入的 AI 产品;\n* 发表过有影响力的研究工作,或者通过开源项目、产品和工程实践证明过自己的技术判断。\n我们看重什么\n我们看重能够持续把不确定问题变成真实结果的人。\n学历、论文和大厂经历可以帮助我们理解你的背景,但它们不会替代实际作品和技术判断。我们尤其希望看到你亲自构建过什么、做过哪些关键决策、遇到过哪些失败,以及你如何让系统最终真正工作。\n如果你没有满足上面的每一项,但曾经做出过让你自己感到骄傲的 Agent、AI 产品或复杂系统,我们仍然希望与你交流。\n快速申请链接:https://emagen.ai/cn/careers/agent-engineer",
        "requirements_text": "我们正在构建 OS-Level Agent：它不只是回答问题，而是能够理解长期上下文、调用工具、操作软件、协调工作并持续完成真实任务的智能系统；我们正在寻找能够把前沿模型能力转化为可靠产品体验的 AI Agent Engineer；你需要深入理解模型在真实任务中的行为，并通过 Agent Harness、Context Engineering、Evaluation、Tooling 和 Runtime Design，让模型能够稳定完成长链路、开放式的工作；你将有机会参与定义 Emagen Agent 的核心架构，以及什么才算一个真正有用、可靠并能够长期协作的 Agent；* 能够独立进入一个模糊的问题领域，快速形成判断并推动项目从想法走向可用产品；* 能够同时从模型行为、软件系统和用户结果三个层面思考问题；* 具有扎实的软件工程能力，能够构建可靠、可观察、可持续迭代的生产系统；* 熟练使用 Python，并能够根据需要进入 TypeScript、基础设施、浏览器自动化或分布式系统等不同技术层；* 熟悉 Tool Use、Structured Outputs、Context Engineering、Agent Evaluation 或模型实验中的一个或多个方向；* 在高度不确定的环境中依然能够保持高自主性、高行动力和清晰判断；我们看重能够持续把不确定问题变成真实结果的人",
        "skills": [AI生成
            "API/SDK与开放平台开发",
            "Agent系统构建",
            "RAG与检索增强",
            "Workflow与任务编排",
            "上下文/知识工程",
            "分布式/微服务系统设计",
            "大模型原理与能力边界",
            "实施交付与验收",
            "工具调用/MCP",
            "技术可行性与系统架构",
            "模型/Agent评测体系",
            "模型微调与对齐",
            "模型训练与算法优化",
            "编程与代码实现",
            "项目推动与执行闭环"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "本科"
    },
    "contact": {
        "recruiter_name": "周先生",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/1daf454799e8e7a70nF83tu7ElBS.html"
            }
        ]
    },
    "posting": {
        "posting_id": "1daf454799e8e7a70nF83tu7ElBS",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/1daf454799e8e7a70nF83tu7ElBS.html"
    },
    "fulltext": "Golang\n中大型项目开发经验\n系统架构设计经验\nEmagen 是一家探索下一代人机协作方式的 AI 创业公司。\n我们的团队分布在中国和美国，成员来⾃ SJTU、CMU、FDU、PKU、THU 等⾼校，已获得国内知名风险投资机构数百万元⼈民币天使轮融资。团队采用 Full Remote 的协作⽅式。\n我们正在构建 OS-Level Agent：它不只是回答问题，而是能够理解长期上下文、调用工具、操作软件、协调工作并持续完成真实任务的智能系统。\n我们关心的不是如何为现有软件增加一个聊天入口，而是当 Agent 成为计算机的主要使用者之后，软件、工作与组织将如何被重新设计。\n关于这个角色\n我们正在寻找能够把前沿模型能力转化为可靠产品体验的 AI Agent Engineer。\n你会工作在模型与真实世界之间的系统层：设计 Agent 如何理解任务、组织上下文、使用工具、执行动作、处理失败，并从真实用户反馈中持续变得更好。\n这不是一个以调用 Agent 框架 API 为核心的岗位。你需要深入理解模型在真实任务中的行为，并通过 Agent Harness、Context Engineering、Evaluation、Tooling 和 Runtime Design，让模型能够稳定完成长链路、开放式的工作。\n你将有机会参与定义 Emagen Agent 的核心架构，以及什么才算一个真正有用、可靠并能够长期协作的 Agent。\n你可能会做的事情\n* 设计和迭代 Agent 的核心执行循环，包括任务理解、规划、行动、观察、反思与恢复机制；\n* 构建面向真实工作场景的 Agent Harness，设计模型可使用的工具、环境、反馈机制与执行约束；\n* 研究如何在有限上下文中组织信息，通过 Context Engineering、Memory、Skills 和动态检索提升 Agent 的长期任务表现；\n* 构建 Browser Use、Computer Use、Code Execution、Search、MCP 和第三方软件操作能力；\n* 设计 Agent Evaluation 体系，衡量任务成功率、轨迹质量、可靠性、延迟、成本与用户价值；\n* 分析生产环境中的失败轨迹，定位模型、上下文、工具、环境或产品交互中的根本问题；\n* 建立从真实用户任务、生产日志和人工反馈到 Evaluation、Agent Behavior 与模型改进的闭环；\n* 探索 Agent 在长周期任务、异步执行、多任务协作和开放环境中的能力边界；\n* 与产品和工程团队共同定义 Agent 原生的产品交互，而不是简单地把模型接入现有工作流。\n你可能很适合这个角色，如果你\n* 曾经从零构建并交付过真正被用户使用的 LLM 或 Agent 产品；\n* 能够独立进入一个模糊的问题领域，快速形成判断并推动项目从想法走向可用产品；\n* 对模型为什么成功或失败具有强烈好奇心，愿意阅读轨迹、设计实验并系统性地寻找答案；\n* 能够同时从模型行为、软件系统和用户结果三个层面思考问题；\n* 具有扎实的软件工程能力，能够构建可靠、可观察、可持续迭代的生产系统；\n* 熟练使用 Python，并能够根据需要进入 TypeScript、基础设施、浏览器自动化或分布式系统等不同技术层；\n* 熟悉 Tool Use、Structured Outputs、Context Engineering、Agent Evaluation 或模型实验中的一个或多个方向；\n* 更关注实际任务成功率和用户价值，而不是 Demo 效果、框架数量或 Benchmark 分数；\n* 在高度不确定的环境中依然能够保持高自主性、高行动力和清晰判断；\n* 对 Agent 如何改变软件、人类工作和组织方式有自己的思考。\n一些可能相关的经历\n这些不是必须条件，也不是关键词清单。我们更关心你是否解决过足够困难、真实的问题。\n* 构建过 Coding Agent、Browser Agent、Computer Use、Deep Research 或其他长链路 Agent；\n* 设计过 Agent Harness、Sandbox、Tool Runtime、Skill System 或模型执行环境；\n* 构建过 Evaluation、Tracing、Observability、Synthetic Tasks 或生产反馈系统；\n* 有强化学习、后训练、模型微调、数据生成或模型评估经验；\n* 深入处理过 RAG、Memory、Search、Knowledge Graph 或大规模上下文管理问题；\n* 有浏览器自动化、虚拟机、容器、分布式系统或安全执行环境经验；\n* 在搜索、推荐、NLP、开发者工具或复杂工作流产品中负责过核心系统；\n* 做过有真实用户、真实使用量或真实收入的 AI 产品；\n* 发表过有影响力的研究工作，或者通过开源项目、产品和工程实践证明过自己的技术判断。\n我们看重什么\n我们看重能够持续把不确定问题变成真实结果的人。\n学历、论文和大厂经历可以帮助我们理解你的背景，但它们不会替代实际作品和技术判断。我们尤其希望看到你亲自构建过什么、做过哪些关键决策、遇到过哪些失败，以及你如何让系统最终真正工作。\n如果你没有满足上面的每一项，但曾经做出过让你自己感到骄傲的 Agent、AI 产品或复杂系统，我们仍然希望与你交流。\n快速申请链接：https://emagen.ai/cn/careers/agent-engineer"
}