深度求索Agent Harness 产品经理
任职要求
2年以上产品经理从业经验，产品逻辑清晰。特别优秀候选人可放宽年限。 学历本科及以上。 能够使用 vibe coding 写代码，不一定需要技术背景。 能够设计系统性的收集数据的方法（包括问卷、访谈、A/B测试、灰度测试等），并使用统计学的工具严谨科学的分析数据。对此有系统性的思考和实践。 是 Agent 产品的高强度用户，熟悉 Agent 产品的各种形态，对 Agent 有极大的热情，对模型行为有品味有判断力，对开发者体验及用户体验有强感知。深度使用过 Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes 等类似产品，并将相关产品的使用融入到自己的工作和生活中。 理解 LLM 以及 Agent 基本机制及…
工作职责
团队使命 Model + Harness = Agent 我们正在把 DeepSeek 的前沿模型能力，转化为领先的 Agent 产品。这其中除模型本身以外的所有工作，都属于 Harness 的范畴。 你将加入 Harness 团队，与工程师、研究员紧密协作，参与 DeepSeek 桌面端 Agent 产品的全过程，定义 DeepSeek 对 Harness 的理解。 规划 DeepSeek Harness 产品路线图，连接研究员、工程师、开源社区和广大用户。 理解判断用户的最真实需求，定义与衡量“Agent 是否真的在更多场景下更深入的帮助到更多的人”的指标。 与模型训练团队的研究员深度沟通与合作，实现模型与 Harness 的共同进化。 帮助 Harness 产品内部落地，以内部真实任务做为 Harness 产品和模型相关能力训练的重要反馈源，持续迭代产品能力。 维护 Harness 产品用户社群，从潜在海量用户群体中获取反馈、提取信号，指导产品迭代。 协助项目管理相关工作。
1.负责AI领域相关项目的开发和实施，包括算法设计、模型调优和代码编写。 2.负责与团队成员合作，确保项目按时交付并达到高质量标准。 3.负责研究和探索AI技术和发展趋势，持续优化和改进项目。
1、建设企业级 Agent Harness / Agent Runtime，支撑会话管理、任务执行、工具调用和状态持久化； 2、建设 Agent Serverless 基础设施，实现按需启动、弹性伸缩和生命周期管理； 3、建设 Agent 可观测体系，覆盖 Trace/ Log/ Metric/ Event 全链路，支持调试回放和故障诊断； 4、建设 Agent 身份认证与权限治理能力，解决权限穿透、最小授权和安全边界问题； 5、建设 Multi-Agent 通信与协作机制，负责任务分发、消息传递和 SuperAgent 路由编排； 6、参与 OpenClaw/Claude Code/Hermes/LangGraph/MCP 等开源 Agent 框架研究与改造，参与沉淀小红书自研 Agent Infra 技术体系。
我们是阿里巴巴国际数字商业集团-Alibaba.com-Accio算法团队，Alibaba.com是全球最大的跨境B2B数字化平台，我们在24年11月推出AI Native应用Accio，并在25年9月推出Accio Agent版本，上线以来至今，用户数和订阅量以每月翻倍的速度飞速增长。我们团队有丰富的算力资源、自由的研究氛围以及靠谱的商业落地场景，我们正在寻找能够赋予大模型"行动力"的算法工程师，我们致力于构建具有长期记忆、持久运行、能够自主操控计算机、编写复杂系统、能够实际帮助用户解决生产力任务的的数字员工Agent系统。 1. 研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强； 2. 复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务； 3. Long-horizon运行设计：构建结合"工作记忆+全局知识库"的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架； 4. 构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地。
团队介绍： 团队整体负责Accio Agent构建，核心关注Agent自进化能力和长程任务执行能力，现有团队成员来自Top Tier大厂，大多毕业于清华/上交等知名院校，团队支持项目开源和顶会论文发表。 职责描述： 1. 研发并优化 Agent 的核心能力模块，包括但不限于自主规划（Planning）、多步推理（Reasoning）、工具/skill调用（Tool Use）、长短期记忆（Memory）及 RAG 增强； 2. 复杂任务动态编排：设计并实现高扩展性的Multi-Agent协作框架（如Agent Swarm/Agent Team），支持将模糊的宏观目标递归拆解为原子任务； 3. Long-horizon运行设计：构建结合""工作记忆+全局知识库""的多级存储系统，解决Agent长期运行中的信息遗忘问题，建立跨Agent的共享上下文能力，设计Agent持续进化框架； 4. 构建端到端的Agent评测体系，构建生产力场景benchmark，推动Agent在business场景落地。