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、作为一专「多能」的超级个体，参与到 AI 产品的设计和实现，包括用户界面产品交互设计、AI 界面工具和资源设计、harness 策略设计和验证； 2、行业生态研究，作为一个学习型组织中的一员，选取并深度研究相关产品、开源项目、前沿论文、技术博客，提炼信息并在团队中分享信息； 3、负责AI产品数据分析工作，包括数据清洗、配置数据看板、数据分析等内容； 4、结合外部开源社区和各种 AI 工具，开创性改造工作方式，实现设计、评估、调试的效率成倍增长。
把“还没被证明的体验设想”做成可运行、可测量、可上线的端到端原型与实验，在真实业务场景里快速验证、快速迭代，把有效结论变成可推广的成熟方案。 工作职责 1、构建可运行的 Agent 核心链路：围绕社区新交互场景，设计并实现 Agent 的核心能力，你需要把一个“看起来可行的想法”，真正落成可以跑、可以测、可以复盘的系统； 2、端到端负责从想法到验证的完整闭环：你需要从 0 到 1 推动一条探索链路，我们希望你不是只完成开发任务，而是能对“这个方向是否成立”给出工程化判断； 3、设计并实现 Agent Runtime：为智能体在线运行提供稳定的系统支撑，你需要把模型能力变成真正稳定、可维护、可演进的系统能力； 4、设计并实现 Agent Harness：除了让 Agent 跑起来，我们也重视让 Agent 可测试、可评估、可回放、可比较。我们希望把一次次探索，沉淀成可重复验证、5、可持续优化的实验能力，而不是一次性 demo； 6、与多角色协作，把模型能力做成产品能力：把需求变成可执行的 agent spec，把模型能力变成稳定的系统能力； 7、推动 agent 技术路线图与关键架构决策：工具协议、记忆方案、评测口径、发布与灰度机制。
-负责千帆Agent产品相关策略，包括DeepSearch、DeepResearch及AI助手策略效果优化 -Agent Harness架构及策略优化，支持Agent相关产品及服务的快速增长 -搜索API等工具相关服务的效果和性能优化 -引领Agent脚手架技术发展方向，保持Agent技术的行业领先性
Accio是阿里巴巴国际数字商业集团阿里国际站内部孵化的一款战略级AI原生应用产品，也是全球首个B2B AI Agent，通过持续探索Agent、LLM、VLM、RL、Memory、Reasoning、AI Search等前沿技术，自研基座、Agent系统以及AI Search系统，实现B2B AI Agent跨越式发展。 1、负责Agent算法架构设计与效果优化，包括但不限于模型优化（Agentic Post-training/Agentic Infra等）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； 5、探索落地前沿Agent技术，包含而不限于：Agentic Model、Agentic Benchmark、Agentic RL、Pro-active Agent、Function Calling、Tool-Use、Multi-Step Reasoning、Agent Harness、Agentic Post-Training； 6、探索Agent Architectures/Structures的上限，在Agent应用研究中最大程度释放模型的能力，研究Self-Evolving AI System，实现Self-Improving Agents。