@blanplan: https://x.com/blanplan/status/2056614589236998459
摘要
DeepSeek招聘'Agent Harness 研发工程师'的职位描述分析,揭示了公司对'研究员+工程师+社区运营'三合一人才的追求,以及其对AI Agent工具的深度使用要求。
查看缓存全文
缓存时间: 2026/05/20 04:25
DeepSeek 想要的“套马的汉子“是什么样
5 月 18 号 DeepSeek 挂了“Agent Harness 研发工程师“的 JD。一条一条看,画像就出来了。
一、“2 年以上经验”
大厂同级别起步都 3-5 年。DeepSeek 写 2 年,就是不要熬资历的人。
“熟练用 AI Agent 工具写代码”
不是加分,是必须。
后面还跟一句:“在没接触过的语言、框架里,也能写出有质量的代码。”
意思是:用 Claude Code 一小时学门新语言、还能写出能上线的代码。
国内大多数人对 AI 写代码的理解还停在“Copilot 帮我补一行“,DeepSeek 直接拉到“我和 Agent 一起干完整个项目“。
二、“深度用过各种 Agent 产品”
前一天 PM 的 JD 把产品名都列了——Claude Code、Cursor、Cowork、Manus。这条没列,写的是“高强度用户“加“融入到工作和生活“。
啥叫高强度?我的标准:
-
每天至少 4 小时在用
-
不用 Agent 就不会干活了
-
对哪个产品好哪个差,有自己的脾气
三、“懂 LLM 和 Agent 的原理”
清单:
-
LLM API、KV Cache —— 底子
-
Agent Loop、Tool Use、Reasoning、Planning —— 四件套
-
Skills、MCP、Memory —— Anthropic 体系核心,等于明着说“我们抄 Claude Code“
-
Subagent、Multi-Agent
-
Prompt / Context / Harness Engineering
四、加分项才是真画像
AI 行业经验、小团队快速做产品、开源贡献、和研究员合作过、英文能混国外社区、ACM 拿过奖、发过论文,最后一条——“其它超乎常人的本事”。
串起来:DeepSeek 要的不是工程师,是“研究员 + 工程师 + 社区运营“三合一。
会套马、会写论文研究马、会用英文给国外马术协会写报告,最好还能在篝火晚会上唱两首关于马的歌。
这种人国内有多少
我估计不超过 200 个。
大部分在字节、阿里、腾讯的大模型团队,或者 Anthropic、OpenAI 工作的中国人里。
DeepSeek 知道这点,所以 JD 写得极度具体——符合的人一看就知道“这是给我写的“,自己就来了。
五、最妙的是最后那条
“其它超乎常人的、跟这工作有关的本事。”
这话在说:
我们也不知道 Harness 最后做出来啥样。你要是有我们没列出来的本事,可能正好就是我们需要、但还没意识到需要的那块。
草原大、马野,套马的法子说不定还没被发明出来。
你要是那个能发明新套法的汉子,DeepSeek 在等你。
相似文章
@seclink: 之前1-2个月之前,还在http://jobleap.cn 看到了 月之暗面找 agent harness 人才的信息,果然很快招到了。 现在工作的机会属于拥有信息差的人才, 在AI时代,你能不能找到工作,很大程度上取决于你是否掌握最新的…
帖子提到月之暗面和DeepSeek等AI公司正在招聘agent harness人才,并推广了招聘信息聚合平台jobleap.cn,认为掌握最新工作机会是关键。
@seclink: deepseek 招 Harness 产品研发工程师。 主要职责 参与设计 DeepSeek 的 Harness 产品的技术架构与选型。 参与开发 DeepSeek 的 Harness 产品。 与研究员紧密合作,共同定义和实现 Harne…
DeepSeek 正在招聘 Harness 产品研发工程师,负责 Harness 产品的架构设计、开发以及与研究员合作推动模型与产品的深度适配。
@victor207755822: 我们正在招聘!DeepSeek正在组建一个新的Harness团队,从零开始构建Code Harness——或许你可以叫它De…
DeepSeek正在招聘一个新的Harness团队,在北京构建Code Harness产品(可能命名为DeepSeek Code),开放产品经理和研发工程师岗位。
本文系统梳理了AI Agent架构与工程实践,涵盖控制流、上下文工程、工具设计、记忆、多Agent组织、评测、追踪和安全,基于OpenClaw实现展开,强调Harness(测试验证基础设施)对系统稳定性的关键作用。
本文系统梳理了AI Agent架构与工程实践,涵盖控制流、上下文工程、工具设计、记忆、多Agent组织、评测、追踪和安全,基于OpenClaw实现展开,强调Harness(测试验证基础设施)对系统稳定性的关键作用。
@knoYee_: https://x.com/knoYee_/status/2062780637677752366
作者复盘了使用多Agent协作三个月的经验,总结出五个主要痛点(如Agent间矛盾、忽略边界条件、自我审查失效、合并决策困难、压缩执行后暴露更难问题)和两个心得(只读审查Agent价值高、Agent矛盾暴露需求模糊),强调了人类在AI协作中的核心决策作用。