{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agent Harness开发负责人(AI Health Agent)",
        "job_level": "经理",AI生成
        "work_category": "全职",AI生成
        "department": "未披露",
        "location": "北京·海淀区·上地",
        "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": "北京今日宜休科技",
        "company_industry": "智能硬件/消费电子",
        "company_size": "0-20人",
        "company_website": "未披露",
        "company_description": "北京今日宜休科技有限责任公司，是一家专注于AI睡眠科技的创新型企业。我们致力于通过前沿技术提升用户的睡眠效率与质量，帮助人们实现全天候的精力管理，让每个人都能拥有更好的生活状态。"
    },
    "compensation": {
        "salary_range": {
            "min": 90000,
            "max": 120000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "年终奖 | 夜班补助 | 补充医疗保险 | 加班补助 | 五险一金 | 股票期权 | 定期体检"
    },
    "requirements": {
        "working_years": "",
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "1,搭建 Agent Harness核心框架:设计并实现「感知—规划—执行—反馈」闭环,落地任务规划(Planning)、工具调用(Tool Use)、长短期记忆(Memory)与多步推理;定义Agent的状态管理、上下文工程与编排流程,保证复杂任务下的稳定性与可控性。\n2,构建自进化机制:设计数据飞轮与在线/持续学习管线,实现技能与数据的自我评估与演化的方法,让Agent能从用户真实行为数据中迭代优化的完整闭环,并建立防止能力退化的回归机制。\n3,打通软硬数据链路:对接可穿戴 / IoT设备的运动与健康数据,完成数据接入、清洗与对齐,将多源信号沉淀为Agent感知用户状态、驱动自进化的数据基础。\n4,Eval体系建设:搭建Agent能力离线评测体系与线上实验框架,用量化指标驱动每一次迭代决策。\n5,健康场景安全与合规:在医疗健康这一高敏感场景下,建立内容安全、风险拦截与隐私保护机制,确保 Agent 的建议有边界、可追溯。",
        "requirements_text": "1,计算机/AI/软件相关专业;有agent 项目产品化历者优先。\n2,扎实的全栈开发能力(熟悉 Go、Python,熟悉异步、API设计、服务化部署),熟悉至少一种 Agent框架(LangGraph / LangChain / LlamaIndex / CrewAI等)具备从 0-1 搭建系统的能力,能独立完成架构设计与核心模块编码,并对系统的稳定性、成本与可维护性负责。\n3,熟悉 LLM 以及 Agent 基本机制及其技术原理(包括 LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent 等);对 Prompt Engineering、Context Engineering、Harness Engineering 等课题有深入的理解。\n有多模态 Agent(语音、传感器时序、图像)项目经验。\n三、加分项\n1,有自进化 / 持续学习 Agent项目经验,了解数据飞轮、在线学习或 RLHF/DPO 等对齐方法。\n2,LLM Agent开源项目的活跃贡献者。\n3, 薪酬相对open",
        "skills": [AI生成
            "AI数据安全与合规治理",
            "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",
            "医疗健康行业知识",
            "多模态AI应用",
            "大模型原理与能力边界",
            "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",
            "编程与代码实现",
            "部署上线与环境配置",
            "金融行业知识",
            "项目推动与执行闭环"
        ],
        "preferred_qualifications": "1,计算机/AI/软件相关专业;有agent 项目产品化历者优先。\n三、加分项",
        "job_highlights": "经验不限 | 本科"
    },
    "contact": {
        "recruiter_name": "徐先生",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/a235e4507b0a6a790nJ529q4EltX.html"
            }
        ]
    },
    "posting": {
        "posting_id": "a235e4507b0a6a790nJ529q4EltX",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/a235e4507b0a6a790nJ529q4EltX.html"
    },
    "fulltext": "Go、 Python\n全栈侧重后端\nMemory\nAgent Harness\nPlanning\nTool Use\n一、岗位背景\n我们正在打造新一代 AI Personal Health Agent，一个能长期陪伴、持续理解并主动改善用户睡眠健康的智能体。\n（实现路径，长⽂省略）\n你将作为技术负责⼈主导架构设计与核⼼代码实现，并带领一支⼩团队把agent 持续迭代。\n二、岗位职责\n1，搭建 Agent Harness核心框架：设计并实现「感知—规划—执行—反馈」闭环，落地任务规划（Planning）、工具调用（Tool Use）、长短期记忆（Memory）与多步推理；定义Agent的状态管理、上下文工程与编排流程，保证复杂任务下的稳定性与可控性。\n2，构建自进化机制：设计数据飞轮与在线/持续学习管线，实现技能与数据的自我评估与演化的方法，让Agent能从用户真实行为数据中迭代优化的完整闭环，并建立防止能力退化的回归机制。\n3，打通软硬数据链路：对接可穿戴 / IoT设备的运动与健康数据，完成数据接入、清洗与对齐，将多源信号沉淀为Agent感知用户状态、驱动自进化的数据基础。\n4，Eval体系建设：搭建Agent能力离线评测体系与线上实验框架，用量化指标驱动每一次迭代决策。\n5，健康场景安全与合规：在医疗健康这一高敏感场景下，建立内容安全、风险拦截与隐私保护机制，确保 Agent 的建议有边界、可追溯。\n三、任职要求\n1，计算机/AI/软件相关专业；有agent 项目产品化历者优先。\n2，扎实的全栈开发能力（熟悉 Go、Python，熟悉异步、API设计、服务化部署），熟悉至少一种 Agent框架（LangGraph / LangChain / LlamaIndex / CrewAI等）具备从 0-1 搭建系统的能力，能独立完成架构设计与核心模块编码，并对系统的稳定性、成本与可维护性负责。\n3，熟悉 LLM 以及 Agent 基本机制及其技术原理（包括 LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent 等）；对 Prompt Engineering、Context Engineering、Harness Engineering 等课题有深入的理解。\n有多模态 Agent（语音、传感器时序、图像）项目经验。\n三、加分项\n1，有自进化 / 持续学习 Agent项目经验，了解数据飞轮、在线学习或 RLHF/DPO 等对齐方法。\n2，LLM Agent开源项目的活跃贡献者。\n3， 薪酬相对open"
}