岗位职责 你将参与以下一个或多个方向（按兴趣与背景匹配）： 对话与语言模型方向 •大模型微调、量化（GPTQ / AWQ / GGUF）、推理加速（vLLM / SGLang / TensorRT-LLM）； • 围绕 Agent 框架做 Prompt 设计、工具调用（Function Calling）、意图识别与 路由； • RAG 流水线优化：检索召回、重排、知识图谱融合、长上下文压缩。 Agent Harness 方向（自研框架核心） • 参与自研 Agent Harness 的设计与迭代：上下文窗口管理、工具调用解析、流 式与中断、错误恢复、SubAgent 编排； • 复现并对比 OpenClaw / Hermes / Claude Agent SDK / LangGraph 等开源 Harness 的关键设计，沉淀到自研框架； • 在 SWE-bench / Terminal-Bench / τ-bench 等公开 Agent 基准上做评测与消 融，推动 Harness 各模块的版本迭代； • 设计 Agent 的 Tracing、Replay、Eval 基础设施，让每一次 prompt / 工具改动 都有可量化的回归依据。 Agent 记忆系统方向 • 设计与实现多层级记忆架构：会话级工作记忆、跨会话情节记忆、用户画像式 语义记忆； • 调研与落地 Mem0 / Zep / LangMem 等开源方案，或基于向量数据库（Qdrant / Milvus / pgvector）自研； • 解决记忆冲突合并、衰减策略、检索精度与召回延迟之间的平衡。 语音方向 • 流式 ASR的部署、定制词表、领域口音适配； • TTS 模型的低延迟流式合成、CUDA Graph 优化； • VAD、端点检测（EOT / Turn Detection）、语义级轮次判断。 任职要求 • 计算机、人工智能、电子、数学等相关专业本科及以上在读，每周到岗 ≥ 5 天，连续实习 ≥ 6 个月； • PyTorch 熟练，看得懂主流模型代码（Transformers 等），能独立训练与调 优； • 熟悉至少一个方向的主流模型族（LLM / ASR / TTS / Retrieval）原理与代表性 论文，或对 Agent 系统设计有自己的理解； • Python 工程能力扎实，熟悉 asyncio、FastAPI、Linux + GPU 开发环 境； • 对前沿技术有热情，会主动跟 arXiv / GitHub 趋势，看到新模型 / 新 Agent 框 架愿意自己跑一跑。 加分项 • 有 SOTA 模型微调、蒸馏、量化或推理优化的实战经验； • 熟悉 vLLM / SGLang / TensorRT / Triton 等推理框架的源码或配置； • 读过或自己实现过 Agent Harness（OpenClaw / Hermes / Claude Agent SDK / smolagents / LangGraph 任一）； • 在 SWE-bench / Terminal-Bench / GAIA / τ-bench 等 Agent benchmark 上跑过 实验，了解 Harness 设计如何影响最终分数； •用过或读过 Mem0 / Zep / LangMem / LlamaIndex 的核心实现； • 在 HuggingFace、GitHub 有过开源贡献，或有 Kaggle / AI 评测竞赛获奖经 历； 我们能提供 • 多卡 GPU 集群直接可用，不用排队抢资源； • 接触当下最前沿的开源模型与 Agent 框架，从论文到生产化的完整链路； • 直接参与一套真正在生产环境跑的 Agent Harness 的设计演进，而不是套壳调 API； • 与 senior 工程师 1-on-1 协作，没有中间层、没有 PPT 文化； • 表现优秀者优先转正 / Return Offer，或长期 RA / 兼职合作； • 灵活工作方式（远程）