DeepSeek缺Agent人才缺疯了！负责人各种贴广告
Agent下半场：DeepSeek的“驯鲸”急迫感
在人工智能大模型发展的下半场，竞争的焦点正从单一的性能指标转向复杂的系统级应用能力。DeepSeek近期展现出对Agent（智能体）人才的极度渴求，这种紧迫感不仅体现在高频的招聘动作上，更折射出整个行业在技术范式转移过程中的结构性人才短缺。
Harness部门负责人崔添翼近期在社交平台上直接发布招聘信息，一口气开放了研究员、工程师及产品经理三个关键岗位。这种近乎“贴小广告”式的招聘策略，并非偶然，而是DeepSeek在Agent领域全面加速落地的信号。崔添翼透露，自己每天都在进行面试，但即便如此，仍然感到人才缺口巨大。这种现象背后，是AI应用从“模型能力展示”向“复杂任务解决”转型的必然结果。
重新定义Agent：Model + Harness = Agent
要理解DeepSeek为何如此缺人，首先需要厘清Agent的技术架构。如果把Agent比作一辆汽车，大模型是发动机，那么Harness就是方向盘、变速箱、刹车等控制组件。公式化地表达就是：Model + Harness = Agent。
在大模型能力日益强大的今天，单纯的模型优化已不再是唯一瓶颈。如何让模型稳定、高效地执行复杂任务，如何在长上下文中保持记忆，如何协调多个子代理共同工作，这些“Harness”层面的工程与研究挑战，成为了制约Agent落地真实场景的关键。DeepSeek此次招聘的三类人才，正是为了补齐这块“马鞍”，实现模型能力与产品形态的深度适配。
研究员 vs 工程师：边界与融合
DeepSeek此次招聘中，最引人关注的是对“Harness研究员”与“研发工程师”的区分与定位。虽然二者在AI原生时代都需要具备工程能力，但其核心产出与工作重心存在显著差异。
1. 研究员：定义问题与探索上限
Harness研究员的核心任务并非简单的代码实现，而是探索Harness领域的研究前沿。他们需要具备提出假设、设计实验、构建评测体系的能力。主要职责包括：
- 前沿技术探索：深入研究上下文管理、长期记忆机制、Subagent与Multi-Agent协作策略以及自进化Agent等领域。
- 模型与Harness适配：与模型训练团队紧密合作，从Harness角度实现模型能力的深度挖掘与优化。
- 评测体系构建：设计针对Agent能力的基准测试，制定数据标注策略，从真实世界任务反馈中迭代Agent的智能水平。
这一岗位要求候选人具备2年以上计算机科学科研经验，拥有扎实的论文发表记录，更重要的是具备从0到1推动研究的能力，并能将想法快速转化为可运行原型。
2. 研发工程师：架构设计与产品落地
相比之下，研发工程师更侧重于将定义清晰的问题推进实现。他们的核心职责包括设计Harness产品的技术架构、选型与开发，保证系统的稳定性、可扩展性及服务能力。
- 技术架构搭建：参与Harness产品的设计与开发，确保系统能够支撑复杂的Agent工作流。
- 工程化落地：与研究员合作，将前沿创新转化为实际可用的产品功能。
- 用户反馈迭代：基于用户反馈与内部真实任务，持续优化产品体验与系统性能。
产品经理：连接技术与用户的桥梁
除了技术与研究人才，DeepSeek还特别招聘Harness产品经理。这一角色被视为连接研究员、工程师、开源社区与广大用户的桥梁。
产品经理的职责不仅是功能定义，更在于理解用户需求与技术可能性的交汇点。他们需要参与技术架构的选型讨论，理解模型与Harness的适配逻辑，并将用户反馈转化为产品迭代的方向。在Agent时代，产品经理需要对Agent产品的开发流程有深刻理解，能够协调多方资源，确保产品既具备技术先进性，又符合市场预期。
AI原生时代的人才新范式
DeepSeek的招聘策略揭示了一个重要趋势：AI时代正在重塑人才能力模型。随着AI辅助编程工具的普及，单纯的代码编写能力不再是核心竞争力。相反，产出效率、问题解决能力、以及从0到1的创新推动能力变得尤为关键。
- 研究员的产出：新方法、新评测、新实验、新理解。
- 工程师的产出：架构、系统、产品能力、工程质量。
- 产品经理的产出：用户需求洞察、产品路线图、市场匹配度。
这三类人才并非完全割裂，而是形成了紧密协作的闭环。研究员为工程师提供技术方向与创新灵感，工程师为研究员提供验证平台与工程支持，产品经理则确保技术成果能够转化为解决实际问题的产品。这种“研究-工程-产品”一体化的团队结构，正是DeepSeek等T0级模型厂商在Agent时代构建竞争壁垒的关键。
行业风向标：从抢研究员到拼复合型团队
崔添翼的个人背景也颇具代表性。作为前TSY Capital联合创始人，拥有浙江大学计算机系背景及多年ACM竞赛金牌经历的他在加入DeepSeek后，迅速将重点转向Agent领域的团队建设。这不仅是个人职业发展的转折，更是行业人才需求变化的缩影。
过去的大模型上半场，行业争夺的核心是能够训练和优化基础模型的研究员。而进入Agent下半场，竞争焦点转向了能够将研究、工程、产品、用户需求揉合在一起的复合型团队。
从崔添翼频繁在X平台喊话招聘，到近期岗位的细化与扩展，可以看出DeepSeek正在全力押注Agent领域。这种高强度的招聘不仅是为了填补内部岗位空缺，更是在定义新一代Agent人才的能力标准：
- Context Engineering：如何处理超长上下文与关键信息提取。
- Harness Engineering：如何构建稳定的执行框架与错误处理机制。
- Memory：如何实现长期记忆与短期记忆的协同。
- MCP (Model Context Protocol)：如何标准化模型与外部数据的交互。
- Subagent & Multi-Agent：如何设计高效的代理协作机制。
- Tool Use & Planning：如何精准调用工具并规划复杂任务路径。
这些技能坐标，构成了DeepSeek等头部厂商为新一代人才画出的职业地图。会用模型的人很多，但能“驯马”——即能够驾驭模型、构建Harness、解决真实世界复杂问题的工程师和研究员，正成为行业中最稀缺的资源。
结语与展望
DeepSeek的招聘急迫感，不仅是自身业务发展的需求，更是整个AI行业进入应用深水区后的普遍现象。随着Agent技术从实验室走向大规模落地，对人才的需求将从单一的技术栈向多维度、复合型人才转变。
对于从业者而言，这份JD不仅是求职参考，更是一张清晰的学习地图。无论身处研究、工程还是产品岗位，都需要在各自领域深耕的同时，理解Agent系统的整体架构与协同逻辑。在这个快速迭代的时代，唯有持续学习、跨界融合，才能在AI下半场的竞争中立于不败之地。
DeepSeek正在全力构建Agent能力的护城河，而人才的加入，将是这座护城河中最关键的砖石。对于渴望在这一领域有所建树的专业人士来说，现在或许正是入场的最佳时机。