Cast AI 高级AI工程师 - 捕获工程 (Kimchi) 在希腊 | LinkedIn

Kimchi是CAST AI内部的AI平台。我们最初帮助企业在其自己的Kubernetes集群上运行LLM，现在我们正在构建让代理执行真实工作的执行层。我们的基础设施包括多模型推理（MiniMax、Kimi、GLM-5、Nemotron、DeepSeek）配智能路由，一个与OpenAI兼容的API，以及从我们的GPU到您的VPC的部署灵活性。推理层是基础。我们正在招聘的职位建立在之上：编码代理、代理运行时、编排系统以及使它们真正完成任务的可靠性工程。

技术栈：TypeScript、Go、Kubernetes、AWS/GCP/Azure、MCP、Prometheus/Grafana/Loki、GitLab CI、ArgoCD。

为什么Harness工程在这里重要
OpenAI和Anthropic发布模型。他们也发布了一个Harness每个 - 使原始模型转化为能够计划、执行、恢复和完成工作的支架。我们发布了一种不同的Harness：一个为成本敏感、长周期自主性构建的Harness，运行在我们控制的推理基础设施上。

一个不错的模型加上一个优秀的Harness胜过一个优秀的模型加上一个糟糕的Harness。我们已经见证了这种现象。今天模型能做什么和你看到它们做的差距大多是Harness差距 - 这个差距是我们运营的领域。

你将构建

Ratchet。

每次我们的代理犯错时，我们工程化一个解决方案使其永远不再犯同样的错误。这意味着强制约束的钩子，使模型“知道”但忘记的东西：预提交检查、权限门、在窗口填满前的上下文压缩。成功是沉默的，失败是详尽的。

长周期执行。

我们的Harness围绕着以规范驱动的自主性构建：meta-prompting、每个任务的新上下文、工作树-per-slice git策略、自动重计划、崩溃恢复、卡住检测。我们正在实现Ralph循环 - 当模型试图退出时，我们拦截并重新注入目标到新的上下文中。代理读取磁盘上的状态并继续。多会话、多天工作，没有上下文腐化。

规划/执行拆分。

用推理模型规划，用快速模型执行，用第三个模型评估。分离生成和评估胜过自我验证，因为代理可靠地倾向于积极评分自己的工作。

Harness表面。

CLI、TUI、MCP集成、沙盒执行、遥测。我们的AGENTS.md很短 - 每一行都指向一个具体的东西，它导致了错误。

记忆和上下文。

将代理从笔记本电脑上移开，给予它们在多个会话中存活的状态，管理上下文使信息落在可操作的地方。压缩、工具调用卸载、渐进技能披露。

什么是不同（有收据）

你已经看到的演讲：“我们路由到最好的模型。”每个人都说。这里是我们实际上有的：

GPU基础设施我们拥有。不只是API代理商。从云中的GPU放置到代理调用的推理端点 - 我们控制成本曲线。

以Harness为先的论点。我们将代理失败视为配置问题，而不是模型问题。当我们从股票Harness转移到自己的，内部基准测试的完成率提高了40%以上。

AGENTS.md每行都赚取每行。没有头脑风暴的规则 - 系统提示中的每个约束都指向你亲自诊断的失败。

要求

你已经用AI编码代理在实际工作中。不只是演示 - 真正的工作。你有对Claude Code、Codex、OpenCode、Cursor的看法。你知道代理卡住时的感觉以及为什么。

在生产中拥有强TypeScript或Go。舒适地在它们之间移动。我们的表面是TypeScript；我们的核心是Go。

你以Harness术语思考。你读“代理幻觉”并第一时间问它缺失的上下文是什么，应该有什么钩子，应该有什么约束。

你驱动功能端到端。设计→构建→发布→测量→迭代。我们没有吸收模糊性的层。

职责

构建和演变代理Harness - 发送钩子、权限门和上下文压缩。每个AGENTS.md约束都追溯到你亲自诊断的失败。

拥有长周期执行 - 多会话任务完成通过规范驱动提示、工作树-per-slice git、Ralph循环恢复和卡住检测。完成率是你的指标。

架构规划/执行/评估管道 - 用推理模型规划，用快速模型执行，用第三个模型评估。没有自我验证。

管理代理记忆和上下文 - 状态在多个会话中存活，上下文压缩，工具调用卸载。零上下文腐化在多天工作。

拥有Harness表面 - CLI、TUI、MCP集成、沙盒执行、遥测。表面是TypeScript，核心是Go。

成功后6个月的样子

你已经发布了至少一个主要Harness功能端到端：设计它、建造它、测量它、迭代。

你已经为我们的AGENTS.md添加了基于你亲自观察和诊断的失败的约束。

你已经改进了可测量的可靠性指标 - 完成率、上下文效率或每个成功任务的成本。

你已经形成了关于我们的Harness是负载承载和哪里是死重的强烈意见。

什么对你有利？

有竞争力的薪水（€6,500 - €9,000净收入，根据经验水平而定）。

享受灵活的、以远程为主的全球环境。

与全球云专家和创新者合作，热情推动Kubernetes技术的边界。

股权期权。

快速反馈，快节奏的工作流程。大多数功能项目在1到4周内完成。

将10%的工作时间用于个人项目或自我提高。

学习预算用于专业和个人发展 - 包括国际会议和课程的访问，提升你的技能。

年度黑客马拉松激发新想法并加强团队纽带。

团队建设预算和公司活动，与同事建立联系。

设备预算确保你有所有需要的东西。

额外的休息日以帮助维持健康的工休平衡。

你已经用AI编码代理在实际工作中。不只是演示 - 真正的工作。你有对Claude Code、Codex、OpenCode、Cursor的看法。你知道代理卡住时的感觉以及为什么。

在生产中拥有强TypeScript或Go。舒适地在它们之间移动。我们的表面是TypeScript；我们的核心是Go。

你以Harness术语思考。你读“代理幻觉”并第一时间问它缺失的上下文是什么，应该有什么钩子，应该有什么约束。

你驱动功能端到端。设计→构建→发布→测量→迭代。我们没有吸收模糊性的层。

有竞争力的薪水（€6,500 - €9,000净收入，根据经验水平而定）。

享受灵活的、以远程为主的全球环境。

与全球云专家和创新者合作，热情推动Kubernetes技术的边界。

股权期权。

快速反馈，快节奏的工作流程。大多数功能项目在1到4周内完成。

将10%的工作时间用于个人项目或自我提高。

学习预算用于专业和个人发展 - 包括国际会议和课程的访问，提升你的技能。

年度黑客马拉松激发新想法并加强团队纽带。

团队建设预算和公司活动，与同事建立联系。

设备预算确保你有所有需要的东西。

额外的休息日以帮助维持健康的工休平衡。

Cast AI 是一个专注于AI平台的初创公司，致力于帮助企业和开发者在自己的Kubernetes集群上运行大型语言模型（LLM）。我们最初帮助企业在其自己的Kubernetes集群上运行LLM，现在我们正在构建让代理执行真实工作的执行层。我们的基础设施包括多模型推理（MiniMax、Kimi、GLM-5、Nemotron、DeepSeek）配智能路由，一个与OpenAI兼容的API，以及从我们的GPU到您的VPC的部署灵活性。我们专注于构建一个以Harness为核心的系统，使代理能够以成本敏感、长周期自主性运行在我们控制的推理基础设施上。