DeepSeek Harness 团队招聘解析：7 个方向都在找同一种人
DeepSeek 8 月 13 日开源了 DeepSeek Harness（DSH），"Everything is a Plugin"，一个月冲到 21.9 万星，是目前 GitHub 上最火的 Agent 项目之一。现在团队开始大规模招人，在 MokaHR 上挂了一个"Agent Harness 团队"的聚合职位，一口气放了 7 个方向：深度学习研究员、研发工程师、开发者关系、产品经理、产品设计师、项目经理、产品运营，全部全职或实习均可。
招聘 JD 是最诚实的产品文档——它比任何技术博客都精确地告诉你一家公司正在押注什么、缺什么人、认为什么是重要的。今天把这 7 个方向拆开读一遍，看 DeepSeek 对下一代 Agent 的理解，以及他们到底想招什么样的人。
本文 outline
- 先看团队使命：Model + Harness = Agent
- 研究员方向：给模型装"骨架"的人
- 研发工程师：最核心、要求也最"特别"
- 开发者关系：面向全球 DSH 开发者
- 产品三件套：PM、设计师、运营
- 贯穿所有方向的隐藏要求
- 结论：DeepSeek 在下一盘什么棋
1. 先看团队使命：Model + Harness = Agent
JD 开头的团队使命只有一句话和一个公式：
Model + Harness = Agent
下面跟着一句：我们正在以研究、工程、产品相结合的方式，把 DeepSeek 的模型能力转化为前沿的科研突破与领先的 Agent 产品。
这句话是整个 JD 的钥匙。DeepSeek 认为 Agent 不是一个"模型 + 一层外壳"，而是模型与 Harness 的乘积关系——模型是灵魂，Harness 给模型理解环境、使用工具、持续工作的能力。这也对应 DSH 官网的表述："一切皆插件，运行有迹可循"。
关键在"定义 DeepSeek 对 Harness 的理解"这句。这不是在招一个照着既有产品开发的团队，而是在招一支定义 Harness 这个品类的队伍。当前 Agent 领域的现状是 Claude Code、Codex、Cursor 这些主流工具几乎都是"闭源核心 + 有限扩展"，DSH 走的是完全相反的路：Cordis 内核只负责插件生命周期，模型适配器、工具注册表、Agent 主循环、会话日志全部是可替换的插件，没有特权核心。团队要找的就是能把这个理念推到极致的人。
一个背景信息：DSH 目前还是 developer preview，官方明确警告"会有破坏性变更"，版本停在 v0.1.x-rc，一天能发多个 pre-release。这解释了为什么 JD 里大量岗位强调"小团队快速迭代"和"从 0 到 1"。
2. 研究员方向：给模型装"骨架"的人
招聘方向：深度学习研究员（全职/实习） 地点：杭州、北京
主要职责四条，概括起来是三件事：
第一，定义 Harness 领域的前沿创新。 列举的技术关键词非常有信息量：上下文管理、长期记忆、Subagent 与 Multi-Agent、自进化 Agent、超长程任务。这五个词基本就是 DSH 正在啃的硬骨头——也是当前整个 Agent 领域的五个公认难点。
第二，从 Harness 角度实现"模型与 Harness 共同进化"。 这不是简单的"用模型做产品"，而是双向适配：既把模型能力通过 Harness 释放出去，也把 Harness 场景下的失败反馈回传给模型训练团队。JD 原文是"实现模型与 Harness 的持续共同进化"，这指向一个更深的目标——Agent 数据反哺模型训练。
第三，构建评测基准与方法论。 "提出 Harness 领域的基准测试与评测方法，构建评测基准数据和制定数据标注策略"。当前 Agent 评测极度碎片化（SWE-bench、GAIA、τ-bench 各测各的），DeepSeek 想定义自己的 Harness 评测体系。
任职要求里最值得玩味的一条：
熟练使用 AI Agent 工具进行软件开发……能够在 AI 辅助下，在没有直接经验的领域（如语言、技术、框架等）进行研究目的的编程工作。
换句话说：你必须是真的每天用 Agent 写代码的人，而不是把 Agent 当玩具尝鲜的人。还有一条"是 Agent 产品的高强度用户，对模型行为有品味有判断力"。研究员的代码能力固然重要，但 DeepSeek 更在意的是你对模型行为的直觉——知道一个 Agent 为什么好、为什么崩、哪里不对劲。这是"品味"，很难通过面试题考出来，只能通过真实使用沉淀。
技术要求是完整的 Agent 知识栈：LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent，以及对 Prompt Engineering、Context Engineering、Harness Engineering 的深入理解。注意这里出现的 KV Cache——它出现在研究员要求里是有道理的，因为缓存策略直接关系长上下文 Agent 的成本和延迟（我在另一篇文章里拆过两家 API 的缓存机制）。
3. 研发工程师：最核心、要求也最"特别"
招聘方向：研发工程师（全职/实习） 地点：杭州、北京
研发工程师是 JD 里篇幅最长、也最核心的方向，职责直白：设计 Harness 产品技术架构与选型、开发产品、与研究员合作实现前沿创新、与模型训练团队做"共同进化"适配、以内部真实任务做反馈源、协助维护用户社群。
任职要求只有 7 条，但每一条都值得展开：
"技术水平过硬，技术眼界广阔"——学历放宽到"知名高校本科"，说明比起学历更看重真本事。
"熟练使用 AI Agent 工具进行软件开发……能够在 AI 辅助下，在没有直接经验的领域进行有质量保证的编程工作"——这条和研究员方向呼应，是 DeepSeek 招聘的核心信号：他们默认你会、也必须会用 AI 工具写代码。注意措辞从研究员的"研究目的的编程"变成了"有质量保证的编程"——工程师要的是能在 AI 辅助下交付生产级质量。
"是 Agent 产品的高强度用户……对开发者体验有强感知"——工程师要对 DevEx 有感觉，因为你开发的就是别的开发者的工具。
技术栈要求与研究员的清单几乎一样——LLM API、KV Cache、Agent Loop、Tool Use、Reasoning、Planning、Skills、MCP、Memory、Subagent、Multi-Agent，加上 Prompt/Context/Harness Engineering。整个团队对技术纵深的要求高度一致。
加分项里藏着团队现状："作为小团队中的研发工程师快速迭代产品的经验"、"与研究员深度协作的经验或科研经验，有科研品味"。这透露了 DSH 团队的真实形态：小团队、快速迭代、工程与科研深度耦合。
一个有意思的细节：DSH 是用 TypeScript 写的（加一个 Python SDK），Cordis 插件框架。虽然 JD 没点名语言，但如果你投这个岗位，TS 和插件化架构的经验会是实际加分项。
4. 开发者关系：面向全球 DSH 开发者
招聘方向：开发者关系（DevRel，全职/实习） 地点：杭州、北京
这是理解 DSH 战略的重要岗位。职责第一条："建设面向全球 DSH 开发者的社区与沟通体系"——注意"全球"。DSH 的 HN 发布帖一天拿了 747 分、314 条评论，官方有 Discord、GitHub Discussions，社区插件生态已经长出了 1.4 万个 dsh-plugin 标签的仓库。DeepSeek 要的是一个能服务全球开发者的社区体系，不只是国内。
要求里反复出现"中英文均可作为工作语言""能够技术写作、社区沟通和公开表达""熟悉 GitHub"。这个岗位不要求 DevRel 经验——JD 明说"开发者、开源社区参与者、技术内容作者或其他相关背景均可"，但要求能独立使用 DSH、阅读代码和技术文档、完成基础的问题验证和排查。
加分项里两条信息量最大：
- "有 DSH 插件开发经历，熟悉 DSH 的插件机制和开发流程"——DSH 的核心是插件生态，DevRel 如果自己写过插件，讲出去的可信度完全不同。
- "具有国际视野……有海外学习、工作或生活经历，或面向全球受众的英文写作经验"——再次确认这是一个面向全球的开源产品。
这基本勾勒出 DeepSeek 对开源社区的运营思路：不是做国内宣发，而是认真经营一个全球开发者社区，让社区反馈持续反哺产品迭代。
5. 产品三件套：PM、设计师、运营
产品经理、产品设计师、产品运营三个方向放在一起看，最能看出 DeepSeek 想做的产品形态。
产品经理的核心命题非常宏大："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"。这句话拆开看，其实是三个挑战：Agent 的效果怎么量化（评测）、怎么判断"更深入"（场景深度）、怎么规模化（更多人）。PM 职责里还明确要求"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"——产品经理也要懂模型侧的逻辑。
PM 任职要求里最突破常规的一条："能够使用 vibe coding 写代码，不一定需要技术背景"。这是主流大厂招聘里很少见的表述——明确接受"AI 辅助写代码"作为产品经理的必备技能，且不需要传统技术背景。配上"具备 UI/UX 设计素养，能够在 AI 辅助下完成产品原型图设计、UI 设计"和"设计系统性的数据收集方法（问卷、访谈、A/B 测试、灰度测试），用统计学工具严谨分析"，DeepSeek 想要的是一个 AI-native 时代的全能型 PM：会写代码、会做设计、会用数据，通通在 AI 辅助下完成。
PM 要求里还有一条熟悉的清单——"深度使用过 Claude Code、Cowork、Codex、Cursor、OpenCode、GitHub Copilot、Manus、OpenClaw、Hermes 等类似产品"。注意这里出现了一串具体产品名，包括国内外的 Agent 工具。"高强度用户"这四个字在 7 个方向里反复出现，是整个 JD 出现频率最高的隐性要求。
产品设计师的职责第一条就很特别："以 AI-native 重构工作方式与协作范式，探索面向未来的团队组织形态"。这不是传统意义上"画界面"的设计师岗位，DeepSeek 想让设计师参与定义"AI 时代的团队怎么协作"。要求同样包含"能够通过 vibe coding 将设计创意落地为原型"、会 Figma 和 AI 设计工具、有一定前端知识。
产品运营是标准化的社区+数据岗位：从 0 到 1 建设用户及开源社区、收集反馈、建运营数据体系、协调多方资源。要求"熟悉 Agent 产品，对 AI 和开发者工具有热情"。
项目经理方向比较特殊，JD 明确写着"承担项目管理相关的杂事，把琐碎的事情做扎实"，加分项是"深度使用过 OpenClaw、Claude Code、Cowork、Manus 等 Agent 产品""熟悉 vibe coding，能在 AI 辅助下写一些自动化脚本"。连项目经理都要会用 Agent 工具提效——这是全员 AI-native 的信号。
6. 贯穿所有方向的隐藏要求
把 7 个方向放在一起看，有三条线索贯穿始终：
第一，"高强度用户"是硬门槛。 研究员、工程师、PM、设计师、项目经理全部要求"是 Agent 产品的高强度用户，并将相关产品的使用融入到自己的工作和生活中"。这不是筛选偏好，是筛选标准。DeepSeek 明显认为：真正理解 Agent 的人，只能从大量真实使用中来。
第二，vibe coding 是默认技能。 研究员要求"在 AI 辅助下进行编程工作"，工程师要求"有质量保证的编程工作"，PM 直接要求"能够使用 vibe coding 写代码"，设计师要求"通过 vibe coding 将设计创意落地"，项目经理加分项是"能在 AI 辅助下写自动化脚本"。7 个岗位里至少有 5 个明确提到 AI 辅助编码。DeepSeek 在重构"软件团队"的定义——技术栈能力 + AI 工具使用能力已经合并成同一种能力。
第三，全部指向同一个战略：Harness 是 DeepSeek 模型能力的放大器。 每一个岗位的职责最终都回到"把模型能力转化为 Agent 产品"和"模型与 Harness 共同进化"。研究员做创新和评测，工程师做架构和产品，DevRel 做全球社区，PM/设计师/运营做产品和体验——这七个方向拼起来，就是一支要同时打赢"研究前沿 + 工程落地 + 开源生态 + 产品体验"四线战争的全栈团队。
对照 DSH 的现状，这个招聘规模很合理：DSH 目前明确不接受外部 PR（CONTRIBUTING 说团队小、走 Discussions），一天发多个 pre-release，还在 developer preview 阶段。这个阶段猛招人，说明 DeepSeek 已经决定把 Harness 从"实验性项目"升级为"核心战略产品"。
7. 结论：DeepSeek 在下一盘什么棋
把这次招聘放进更大的图景看，DeepSeek 的战略越来越清晰：
第一层，产品：DSH 要成为 DeepSeek 自己的 Claude Code / Codex——但它选择了一条差异化路线：全插件化架构、模型可插拔（内置 DeepSeek 和通用 OpenAI/Anthropic 路由）、甚至可以驱动 Claude Code 和 Codex 当子 Agent。
第二层，数据：所有岗位都在强调"以真实任务做反馈源""收集用户反馈指导产品迭代""构建评测基准"。DeepSeek 需要海量的真实 Agent 使用数据——不是用来卖，是用来让模型和 Harness 共同进化。这是训练下一代模型的最稀缺资源。
第三层，生态：DevRel 和运营岗位面向"全球开发者"，加上 1.4 万个插件仓库的社区生态，DeepSeek 想复刻的可能是 Android 式的平台战略——自己提供模型（系统）和 Harness（框架），让全世界的开发者用插件（应用）来扩展生态。谁掌握了 Agent 的开发平台，谁就掌握了下一个计算时代的入口。
对求职者来说，这份 JD 释放的信号很明确：如果你每天都在用 Claude Code、Cursor、OpenCode，对模型行为有判断力，能在 AI 辅助下完成本专业之外的工作——你不需要一份完美的简历，你需要证明自己是一个"Agent 时代的原生用户"。DeepSeek 在招的不是员工，是第一批相信"Model + Harness = Agent"的人。
参考
- DeepSeek Harness 团队招聘（MokaHR） — 本文 JD 来源
- DeepSeek Harness GitHub — 21.9 万星，MIT，"Everything is a Plugin"
- DeepSeek Harness 官网 — "Agent = Model + Harness"，一切皆插件
- Cordis 插件框架 — DSH 底层内核
- 前篇：OpenAI 和 Claude 的 API 缓存原理 — 理解 KV Cache 与长上下文 Agent 的成本
作者: itech001 来源: 公众号：AI人工智能时代(the-ai-era) 网站: https://www.theaiera.top/ 关注每日最新AI新闻和技术博客，主页有更多的文章的AI 技术参考：https://www.theaiera.top
关注公众号，获取更多 AI 技术干货！
