全职 · 北京 / 上海
我们在为大型企业搭建 Agent 生态——不是做一两个孤立的智能体，而是把一整套可治理、可复用、可持续演进的智能体能力体系，在企业内部从 0 长出来。
我们聚焦企业内部最有价值的场景：
智能问数与数据分析
业务指标诊断与异常归因
智能报告生成与业务洞察
跨系统任务自动化与业务流重构
我们紧跟最前沿的 Agent 生态——Skills 、插件市场、MCP 、多智能体协作、企业级 Agent Registry——并把它们真正落到企业生产环境里。团队正在扩张，寻找 Agent 产品经理与 Agent 开发工程师各若干名。
我们是一支 AI-native 团队，日常用最前沿的 AI 工具（ Claude Code 、Codex 、Cursor 等）高强度地做交付。我们的目标始终是能上线、能泛化、能被企业用户长期依赖的系统，而不是一次性的 demo 。
在这里，角色的边界是流动的：产品经理会亲自下场搭原型、写 prompt 、跑评估，工程师对"做什么、做到什么程度"有自己的判断。我们相信，当写代码越来越便宜，**"决定做什么"和"把什么定义为合格"，才是真正稀缺的能力。**
Agent 生态几乎每个季度都在重塑。所以比起"你用过哪些框架"，我们更看重这些底层特质：
灵活：方案跟着问题走，不绑定任何单一工具或技术栈。
泛化：能把一个场景里的经验迁移到全新场景，把一次性解法收敛成可复用的能力。
学得快：新东西出来，你能在几天内读懂、上手，并判断它值不值得用。
能自己跑通：端到端把一个想法变成能演示、能验证的东西，不依赖别人搭好脚手架。
对前沿有真热情：你本来就在追最新的技术，并乐于动手把它用起来。
这是我们对所有人的共同期待。在此之上，两个角色各有侧重。
你回答的核心问题是：该为企业造哪些 Agent 能力，以及做到什么程度才算好。
你将负责
把模糊的业务诉求，收敛成精确的用户分群、确切的问题和具体的使用场景，让团队能立刻开干
端到端拥有一个场景：从消化用户反馈，到定义场景与口径，再到原型、验收标准、上线与复盘
判断每一个能力的最佳形态——做成 Skill 、打包成插件、还是接入 MCP——以及它在企业内如何被发现、审批与治理
设计对话流、意图理解、输出契约等产品级规则
与工程、架构、数据团队紧密协作，把抽象方案快速变成可用产品
我们期待你
有出色的产品品味：能用数据和工具消化海量反馈，对"该做什么"有好直觉（往往不等于用户嘴上要的），并能为产出设定让人真正满意的标准
能亲自下场：熟练用 Claude Code 等工具搭准生产级原型、写 prompt 与 Skill 、跑评估，而不只是产出文档
懂数据：能自己写 SQL 、读数据来支撑判断，尤其面向数据分析类场景
能把复杂问题讲清楚，并快速把想法变成原型
加分项：有工程背景或能写代码、BI / 数据分析 / 业务智能方向经验、企业级 ToB 产品经验、0-1 或创业经历。
你回答的核心问题是：怎么把这些能力，工程化成高可用、可泛化、可治理的生产系统。
你将负责
参与企业级 Agent 系统的核心架构与开发：agent loop 、工具调用、上下文与记忆、反思机制、多智能体编排
把能力沉淀为可复用、可分发的资产——Skill 、插件、MCP server——并接入企业 Agent Registry ，做生产级泛化而非一次性脚本
深入优化对话流、查询理解、意图识别、语义解析等模块
建立评估驱动的迭代闭环（评估集、回归、质量门禁），让每次改动都可验证
把模型与工程能力沉淀成高可用、低延迟、可扩展的服务
我们期待你
有扎实的后端工程能力：精通 Python ，并熟悉 TypeScript / Go / Java 中至少一门；写得出生产级而非脚本级的代码
理解 LLM 调用链的关键机制：上下文与记忆、工具编排、多智能体协作、结构化输出与错误恢复
对 agent 产出的每一行代码负责：不把 AI 生成的代码当黑盒，能审查、能调试、能在出问题时快速定位——这是守住安全与稳定的底线
对产品有判断力：清楚一个能力该做到什么程度、为谁而做
理解系统架构：异步任务、服务拆分、缓存与性能优化
加分项：做过 Agent 框架或组件的底层改造 / 自研、有评估体系搭建经验、熟悉向量数据库 / SQLGlot / Celery 等生态、BI 或大数据中台背景、0-1 或创业经历。
你不需要全部精通，但要能跟上它的演进：
如果你喜欢 Agent 、对系统有整体视角，并且对最新的技术始终保持好奇和动手的冲动——我们想认识你。
投递方式：aHJAcHVyZWludGVsbC5jbg==
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。