蔚来
校招提前批-座舱Agent Harness算法工程师
北京/上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- * 计算机、软件工程、人工智能等相关专业
- * 熟练掌握以下至少一种语言 Python（优先）/Typescript/Java，熟悉 Python 异步编程范式者优先， 或熟练掌握 C++/GO/Java/Rust * 良好的编码习惯和代码质量意识；熟悉 Git 协作开发流程；具备基本的软件工程和系统设计能力。
- * 对 agent harness 相关组件模块有比较清晰的认识，熟悉LLM 基础原理、Prompt Engineering、Agent Framework、Tool Calling / Function Calling、RAG、MCP、A2A、ACP 等
- * 深度使用过 Cursor、Claude Code、Codex 等 Agent Coding 产品，熟悉agentic coding范式，并且能够有效把控最终结果质量
- * 熟悉 LangGraph、PydanticAI、OpenAI Agents SDK、CrewAI、AutoGen 等框架
- * 加分项：有 Voice Agent / 实时语音 / WebSocket 实时通信经验；用过 LiveKit Agents、Pipecat 等框架
岗位描述
* 探索 agent harness / runtime 在车载场景下对话系统的研究和应用，包括论文调研、方案设计、数据分析、效果优化、代码实现等工作，用极致的工程手段把Agent做到更快、把系统做到量产级的稳定与可观测；
* 直接参与公司自研 Agent harness 框架的全链路设计与开发，包括Agentic Loop、工具系统、会话持久化、上下文压缩、Hook 机制、MCP 协议
* 参与实时语音工程研发：全流式链路构建、barge-in、端到端时延优化
* 针对 Agent 执行链路分析与问题定位；优化 Agent 响应效率、稳定性及容错能力；
* 对接离线SFT/agentic RL训练环境，协助提升端到端模型效果；
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。