职位描述
我们在做什么 我们在验证一条路径：让 AI 自主产出生产级的系统软件。我们关注 Agent 和 Infra 的结合：用 Agent 完成大模型训练、推理、强化学习、算子等 Infra 任务，并通过 Harness 让这套过程可控、可验证、可复用。 你将负责 构建 Harness 系统：设计 Agent 执行 Infra 任务，研究 Agent 做 Infra 任务的能力边界，并探索怎样更高效地完成这些任务。 探索 Agent + Infra：把 Infra 从人工驱动升级为 Agent 驱动，推动 Infra 系统从一堆工具演进成能自我优化的系统，自主发现问题、迭代方案、积累经验并复用。 用 Agent 做出超越人类专家水平的 Infra 结果：在性能、稳定性、适配新硬件等方面取得超过专家手工调优的结果，并用到真实的训练或推理生产环境中。任职要求
1. 具有较强工程能力，能独立完成复杂系统模块的设计与实现
2. 熟练使用 Python，具备扎实的代码能力（C++ / CUDA 为加分项）
3. 熟悉 PyTorch，有实际训练 / 调试经验
4. 理解分布式系统或分布式训练的基本概念
5. 对系统问题有良好的拆解能力，能从复杂现象中定位本质问题
6. 对 AI Native / Agent 系统有兴趣，认可“用模型解决工程问题”的方向
7. 对数据敏感：能判断指标是否可信、实验是否有效，而不是盲目跑实验
加分项（重要但不硬性）
1. 有大模型经验，包括训练 （Megatron / DeepSpeed / FSDP 等），推理（Sglang, Vllm等），强化学习（Verl, miles等），算子开发（CUDA / Triton / Kernel 优化等）
2. 有性能分析经验（Nsight Systems / Nsight Compute / profiler 等）
3. 熟悉Infra优化手段
4. 对 Agent 有深入理解或实践（tool use / planning / multi-agent 等）
5. 阅读或改过大型训练框架源码
6. 做过 benchmark / profiling / 自动化实验平台相关工作
