{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "Agent Engineer（创始人技术大牛，急招）",
        "job_level": "中级",AI生成
        "work_category": "全职",AI生成
        "department": "技术部门",
        "location": "北京··",
        "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": "某中型企业服务A轮公司",
        "company_industry": "企业服务",
        "company_size": "100-499人",
        "company_website": "未披露",
        "company_description": "未披露"
    },
    "compensation": {
        "salary_range": {
            "min": 50000,
            "max": 80000,
            "currency": "元",
            "cycle": "月"
        },
        "benefits": "股票期权 | 五险一金 | 零食下午茶 | 定期体检 | 带薪年假 | 员工旅游 | 15 薪 | 年终奖"
    },
    "requirements": {
        "working_years": 3,
        "degree": "本科",
        "language": "中文",AI生成
        "visa_support": "未披露",
        "responsibilities": "Agent Harness & Runtime:系统 prompt 组织、工具注册路由、执行事件上报、Agent Loop 生产稳定性与故障恢复\nContext Engineering:多层上下文压缩与窗口预算管理,系统性治理长会话溢出与信息丢失\nSandbox 云稳定性:代码执行沙箱(E2B 等)与浏览器实例的生命周期管理、资源隔离、并发调度与容量治理;构建沙箱健康探测、异常驱逐与自动恢复机制,保障高并发下的执行环境稳定性与冷启动延迟\nMulti-LLM Orchestration:基于 LiteLLM 的多 provider 路由、负载均衡、故障转移、Prompt Cache 命中率优化与成本治理\nTool System & Guardrails:工具调用协议、schema 质量、输出预算契约、权限模型、安全边界与 Agent 身份管理\nMemory 系统集成:跨会话记忆写入、语义抽取、多路召回与上下文组装\nMulti-Agent 编排:子代理职责划分、产物汇聚、跨代理上下文一致性与局部失败处理\nRuntime Eval 与可观测:span / event / cost schema 设计,完成率 / 成本 / 回归评估,10 分钟内定位根因",
        "requirements_text": "精通 Context Engineering:窗口预算、多层压缩、运行时组装、长会话溢出治理\n精通 Multi-LLM Orchestration:多 provider 路由、故障转移、Prompt Caching;熟悉 LiteLLM / Bedrock / OpenRouter\n深入理解 Agent Harness:工具注册、执行事件、输入输出合同设计与测试策略\n深入理解 Tool System:schema 与描述质量如何影响模型决策,如何系统性提升调用可靠性\n熟练掌握 Guardrails & Agent Auth:工具权限模型、安全边界、Agent 身份与凭证管理\n熟练掌握 Multi-Agent 编排 与 Agent Memory 工程\n熟练掌握 Runtime Eval 与可观测:OpenTelemetry / Langfuse,span / event / cost schema\n精通 Python 异步编程,熟悉并发控制、状态机与分布式一致性\n3 年以上 AI Agent / LLM 应用工程经验,有生产级系统交付经历,能独立排查连接风暴、状态不一致等生产事故\n加分项\n对主流 Agent 框架(LangGraph、AutoGen、CrewAI、Letta、Claude Code)有源码级理解\n有 E2B、Firecracker、gVisor 或容器化沙箱的生产运维经验;熟悉沙箱冷启动优化、资源限额与安全隔离机制\n有 LLM 成本精算与 token 计量体系建设经验;熟悉 Tokenizer、KV Cache、流式协议底层机制\n有 mem0 / MemGPT / Zep 等 Memory 系统集成经验,或 MCP / E2B / 浏览器自动化工具经验\n有真实用户在用的开源 Agent 项目或独立产品\n认证资质\n人力资源服务许可证\n其它信息\n所属部门:技术部门",
        "skills": [AI生成
            "Agent系统构建",
            "Prompt工程",
            "上下文/知识工程",
            "分布式/微服务系统设计",
            "医疗健康行业知识",
            "大模型原理与能力边界",
            "实施交付与验收",
            "工具调用/MCP",
            "政务/公共事业知识",
            "模型/Agent评测体系",
            "系统集成与接口对接",
            "编程与代码实现",
            "调试排障与技术支持"
        ],
        "preferred_qualifications": "加分项",
        "job_highlights": "3-5年 | 本科"
    },
    "contact": {
        "recruiter_name": "唐先生",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://www.zhipin.com/job_detail/e58b98365badba390nF43N-0GFVW.html"
            }
        ]
    },
    "posting": {
        "posting_id": "e58b98365badba390nF43N-0GFVW",
        "post_date": "",
        "hire_time": "未披露",
        "update_date": "20260915",
        "job_url": "https://www.zhipin.com/job_detail/e58b98365badba390nF43N-0GFVW.html"
    },
    "fulltext": "于这个角色\n大多数 AI 产品在 demo 里令人印象深刻，在⽣产⾥令⼈失望。原因不是模型不够好 —— 是 Agent 的工程底座不够扎实。\n这个角色负责把这些问题系统性地解决掉。你是连接模型能⼒与真实产品的那层工程师 —— 既能设计 Agent 的认知架构（记忆、规划、工具、身份），也能构建让它稳定运行的执行基础设施（Harness、Runtime、编排、可观测）。\n核心职责\nAgent Harness & Runtime：系统 prompt 组织、工具注册路由、执行事件上报、Agent Loop 生产稳定性与故障恢复\nContext Engineering：多层上下文压缩与窗口预算管理，系统性治理长会话溢出与信息丢失\nSandbox 云稳定性：代码执行沙箱（E2B 等）与浏览器实例的生命周期管理、资源隔离、并发调度与容量治理；构建沙箱健康探测、异常驱逐与自动恢复机制，保障高并发下的执行环境稳定性与冷启动延迟\nMulti-LLM Orchestration：基于 LiteLLM 的多 provider 路由、负载均衡、故障转移、Prompt Cache 命中率优化与成本治理\nTool System & Guardrails：工具调用协议、schema 质量、输出预算契约、权限模型、安全边界与 Agent 身份管理\nMemory 系统集成：跨会话记忆写入、语义抽取、多路召回与上下文组装\nMulti-Agent 编排：子代理职责划分、产物汇聚、跨代理上下文一致性与局部失败处理\nRuntime Eval 与可观测：span / event / cost schema 设计，完成率 / 成本 / 回归评估，10 分钟内定位根因\n岗位要求\n精通 Context Engineering：窗口预算、多层压缩、运行时组装、长会话溢出治理\n精通 Multi-LLM Orchestration：多 provider 路由、故障转移、Prompt Caching；熟悉 LiteLLM / Bedrock / OpenRouter\n深入理解 Agent Harness：工具注册、执行事件、输入输出合同设计与测试策略\n深入理解 Tool System：schema 与描述质量如何影响模型决策，如何系统性提升调用可靠性\n熟练掌握 Guardrails & Agent Auth：工具权限模型、安全边界、Agent 身份与凭证管理\n熟练掌握 Multi-Agent 编排 与 Agent Memory 工程\n熟练掌握 Runtime Eval 与可观测：OpenTelemetry / Langfuse，span / event / cost schema\n精通 Python 异步编程，熟悉并发控制、状态机与分布式一致性\n3 年以上 AI Agent / LLM 应用工程经验，有生产级系统交付经历，能独立排查连接风暴、状态不一致等生产事故\n加分项\n对主流 Agent 框架（LangGraph、AutoGen、CrewAI、Letta、Claude Code）有源码级理解\n有 E2B、Firecracker、gVisor 或容器化沙箱的生产运维经验；熟悉沙箱冷启动优化、资源限额与安全隔离机制\n有 LLM 成本精算与 token 计量体系建设经验；熟悉 Tokenizer、KV Cache、流式协议底层机制\n有 mem0 / MemGPT / Zep 等 Memory 系统集成经验，或 MCP / E2B / 浏览器自动化工具经验\n有真实用户在用的开源 Agent 项目或独立产品\n认证资质\n人力资源服务许可证\n其它信息\n所属部门：技术部门"
}