大模型代码与Agent研发工程师
岗位摘要
设计和构建高质量前后端代码任务，用于提升模型的代码生成、修改、调试、重构和系统实现能力；针对复杂企业级软件场景，沉淀真实工程任务，包括后台系统、数据看板、工作流平台、权限管理、表单系统、API服务、业务中台、低代码/配置化平台等
登录后保留你的岗位线索
邮箱登录后可继续查看完整职责、任职要求和原岗位入口，并使用收藏与浏览记录沉淀适合自己的机会。
岗位职责
- 设计和构建高质量前后端代码任务，用于提升模型的代码生成、修改、调试、重构和系统实现能力
- 针对复杂企业级软件场景，沉淀真实工程任务，包括后台系统、数据看板、工作流平台、权限管理、表单系统、API服务、业务中台、低代码/配置化平台等
- 参与代码评测体系建设，设计可自动验证的benchmark、单元测试、接口测试、端到端测试、视觉回归测试和交互行为验证
- 基于JavaScript/TypeScript/Python等脚本语言，参与Agent框架、工具调用框架、任务执行环境和强化学习训练环境的开发
- 构建用于RL训练的Agent任务环境，包括任务定义、状态反馈、奖励设计、执行沙箱、工具链集成、前后端联调与自动化验证等
- 分析模型在前后端代码生成、复杂工程实现和Agent任务执行中的失败案例，归因问题并设计改进数据、训练任务或评测方法
- 与模型训练、算法、产品和工程团队合作，将真实业务场景转化为可训练、可评测、可迭代的任务体系
任职要求
- 熟悉现代前后端开发，具备扎实的JavaScript/TypeScript或Python基础，熟悉React/Vue/Next.js/Node.js/FastAPI/Django/Flask等至少一种主流技术栈
- 理解复杂软件工程的常见问题，包括组件设计、状态管理、路由、表单、权限、数据请求、API设计、数据库交互、构建工具、测试和工程化
- 熟悉至少一种脚本语言，如Python、JavaScript、TypeScript、Shell等，能够快速开发工具、自动化脚本、任务执行框架或评测环境
- 具备良好的代码质量意识，重视可维护性、可测试性、可读性和工程规范
- 对大模型代码生成、AI Agent、工具调用、自动化任务执行或强化学习训练有兴趣，并愿意深入学习
- 具备较强的问题拆解能力，能够把复杂软件开发任务转化为清晰的训练样本、评测标准或工程实现方案
- 有良好的沟通协作能力，能够与算法、工程、产品等不同背景的团队成员高效合作
加分项
- 有复杂企业级系统开发经验，例如 SaaS、CRM、ERP、BI、低代码平台、流程引擎、数据分析平台、业务中台、开发者工具等
- 熟悉前后端测试体系，如 Jest、Vitest、Playwright、Cypress、Testing Library、Pytest、接口自动化测试、视觉回归测试等
- 有 AI Coding、代码评测、自动化修复、代码智能体、IDE 插件或开发者工具相关经验
- 熟悉 Agent 框架或工具调用系统，如 LangChain、AutoGen、OpenAI Agents SDK、CrewAI、MCP 等
- 有强化学习、RLHF、RLAIF、代码训练数据构建、benchmark 设计或模型评测经验
- 熟悉浏览器自动化、沙箱执行、CI/CD、Docker、Node.js 工具链、Web 服务部署等基础设施
- 有开源项目、技术博客、前后端框架 / 工具库贡献经验者优先
- 我们希望你具备的特质
- 对软件工程有真实经验，不只是能写页面或接口，也理解大型企业级系统为什么复杂
- 对 AI 编程和 Agent 有好奇心，愿意探索“如何让模型真正学会做工程”
- 喜欢把模糊问题拆清楚，能把经验沉淀成任务、规则、测试和工具
- 不满足于 demo，重视真实可运行、可验证、可维护的结果
- 加入 MiMo 大模型团队，参与前沿大模型代码能力和 Agent 能力建设
- 工作成果会直接影响模型在真实工程场景中的代码生成、任务执行和问题解决能力
- 接触从数据构建、任务环境、评测系统到强化学习训练的完整链路
- 有机会把前后端工程经验转化为模型训练能力，推动模型更好地解决复杂企业级软件开发问题
- 技术方向新、空间大，适合既懂工程又想进入 AI Agent / 模型训练领域的研发同学
福利待遇
- 加入MiMo大模型团队，参与前沿大模型代码能力和Agent能力建设
- 工作成果会直接影响模型在真实工程场景中的代码生成、任务执行和问题解决能力
- 接触从数据构建、任务环境、评测系统到强化学习训练的完整链路
- 有机会把前后端工程经验转化为模型训练能力，推动模型更好地解决复杂企业级软件开发问题
- 技术方向新、空间大，适合既懂工程又想进入AI Agent/模型训练领域的研发同学
登录后查看完整岗位详情
使用邮箱验证码登录后，可查看完整职责、任职要求、原岗位入口，并继续使用收藏和浏览记录。列表摘要保持公开，完整详情用于保护数据质量和降低恶意抓取。