看完这个招聘 JD，有几个很有意思的信号值得聊聊：

1. Model + Harness = Agent 这个公式很关键

DeepSeek 把 Agent 能力的提升路径说得很明白了，模型本身只是基础，真正让 Agent 好用的是 Harness 这一层。这其实揭示了一个行业趋势：大模型的竞争已经从单纯的模型能力比拼，进入到工程化落地的深水区。你模型再强，没有好的 Harness 来管理上下文、长期记忆、多 Agent 协作，照样用不起来。

2. 这个岗位要求的技能组合很说明问题

你看它要求的东西：LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、MCP、Memory、Multi-Agent 等等。这已经不是纯研究岗了，更像是研究和工程的交叉地带。说白了，现在 AI 公司需要的是既懂原理又能动手的人，光会发论文或者光会写代码都不够了。

3. 从 Harness 角度研究模型能力，这个思路挺新

传统上我们都是先训练模型，再想怎么用。DeepSeek 这里反过来了，从 Harness 的实际需求倒推模型需要什么能力。这种产品驱动研究的思路，可能比纯学术驱动更容易做出真正有用的东西。毕竟用户要的不是 benchmark 上的数字，要的是能解决实际问题的 Agent。

4. 为什么是全职而不是实习？

注意这个岗位虽然标注了实习/全职，但从职责要求来看，明显是要能独立推进项目的人。这说明 Agent Harness 这个方向现在很缺人，而且需要的是能马上上手干活的成熟研究员。这个领域的窗口期可能就这一两年，各家都在抢时间。

5. 一个有意思的矛盾

JD 里说要“熟练使用 AI Agent 工具进行软件开发”，同时又要你去研究和开发 Agent 工具本身。这其实挺有意思的，做 Agent 工具的人自己也要深度使用 Agent 工具。这种自举式的开发方式，可能会加速整个领域的进化速度。

最后一个思考：

这个岗位其实透露出一个信号，AI 行业的分工正在重构。以前是算法、工程、产品三条线，现在出现了一个新的交叉领域，就是 Agent Engineering。这个方向既需要对模型原理的深刻理解，又需要对实际应用场景的洞察，还需要很强的工程能力。

如果你正好在这个交叉点上，现在可能是个不错的时机。但如果只擅长其中一个维度，可能需要想想怎么补齐短板了。

#科技先锋官##How I AI#