理想汽车Agent系统测试工程师-北京
任职要求
1. 具备扎实的软件测试基础，理解功能测试、回归测试、接口测试、系统测试等常见测试方法； 2. 熟悉 Python 或其他至少一种编程语言，具备基础自动化测试开发能力； 3. 对 LLM、Agent、多轮交互、工具调…
工作职责
1. 参与 Agent 系统在汽车测试场景中的测试体系建设，围绕 agentic-LIAT 相关平台开展功能、稳定性、质量与效果验证； 2. 负责 Agent 能力的测试设计与测试执行，包括工具调用链路、任务编排、多轮交互、上下文管理、异常恢复、权限控制等关键链路验证； 3. 参与构建 Agent 系统的评测方法与测试框架，覆盖功能正确性、任务完成率、稳定性、一致性、风险控制、用户体验等维度； 4. 结合业务场景设计高质量测试用例，沉淀测试资产，推动典型问题复盘与测试方法标准化； 5. 参与测试自动化与评测自动化建设，包括测试数据构造、回归测试、离线评测、线上问题分析与效果监控； 6. 与研发、算法、产品协作，定位 Agent 在实际运行中的问题，推动系统质量持续提升。
【愿景】 负责面向算法研发、业务建模与系统构建场景的 AutoResearch Harness、Agent Swarm 与 AI Builder 能力建设，探索大模型驱动复杂问题分析、方案生成、实验验证和系统搭建的新范式。 【你将参与】 1.设计 AutoResearch Harness：建设任务分解、实验编排、工具调用、结果评 估、失败恢复、知识沉淀等核心模块，让 Agent 能稳定完成长程、开放式研发任务； 2.构建 Agent Swarm 协作体系：研究多 Agent 之间的角色分工、上下文共享、协同决策、互评纠错和成本控制机制，提升复杂任务中的可靠性与可扩展性； 3.建设上下文与记忆系 统：围绕 context compression、memory selection、状态追踪、项目知识库和跨轮学习，提升 Agent 在长链路任务中的连续性和可控性； 4.打造 AI Builder 原型系统：面向真实业务快速交付可用工具，将自然语言需求转化为可执行流程、实验方案、分析报告或业 务系统原型，并沉淀评测闭环与工程最佳实践。
1、Agent系统性能优化：负责AI Agent运行时的性能分析与调优，提升Agent响应速度和吞吐量；优化Agent任务调度、内存管理、并发处理等核心模块； 2、CUA支撑：设计并构建支持AI Computer Use能力的操作系统层面的基础组件；内核加固（Kernel Hardening）和运行时保护，确保AI操作计算机时的安全隔离和权限控制； 3、OS底层能力建设：基于Linux内核进行深度定制，优化Agent运行环境的系统级性能；研究并落地OS层面的高效资源调度方案，支持大规模Agent并发运行。
作为AI Agent系统工程师，我们将一起打造面向物理世界、可长期运行的 AI Agent 系统，服务于具身智能、机器人、复杂人机交互等场景。我们的工作不限于模型训练，包括不限于： 1、长时程Agent的规划与执行框架； 2、面向复杂任务的层次化规划； 3、可控、可演进的Agent Memory/Summary等机制； 4、从“能跑”走向“稳定跑”的Agent系统。
本课题旨在探索一种基于“教学—纠正”闭环的交互式进化审核 Agent 系统，致力于打破传统审核模型对静态规则与大规模标注样本的依赖，实现“规则—策略”的自动生成优化反馈闭环。 不同于通用 Agent，该系统强调在复杂、多变的国际化内容审核场景中，通过引入 Policy Maker 的实时干预与 Rule Set 的动态反馈，实现从“规则驱动”向“智能进化”的范式迁移。研究核心在于构建一套集成经验进化学习、在线学习及 RLRF（基于反馈的强化学习）的复合技术架构。关键问题包括：如何将抽象的审核政策（Policy）自动化解析为可执行的 Agent 策略链路，如何在跨语言、跨文化背景下构建具备自主学习能力的 Agent 基座，以及如何在极度稀疏的违规样本中利用小样本（Few-shot）实现风险域的“0 人审”冷启动。