# 顶尖应届-端云协同调度工程师（Agent OS）-MiClaw

外部公开机会：不能在 Agent觅聘 内申请，请前往官方渠道投递。

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

- 公司: 小米 (阶段未知)
- 地点: 北京
- 职能: 工程开发
- 前往官方投递: https://xiaomi.jobs.f.mioffice.cn/toptalent/position/7646709717774960938/detail

## 来源岗位原文

1、架构设计：定义分层架构（能力层 / 编排层 / 运行时层 / 适配层 / 可观测层），输出参考实现与技术白皮书；
2、Agent 编排：实现高效的 DAG / Graph 调度、工具调用、Multi-Agent 协同，支持成本与延迟感知的调度策略；
3、推理 Cache 优化：对接 vLLM / SGLang 等推理后端，针对 Agent 工作负载设计 Prefix Cache 复用、批调度；
4、长时序执行：构建跨会话、分层式 Memory，以及面向长链路的检查点、重放、追踪与可观测组件；
5、Prompt 工程化：沉淀 Prompt 版本管理、自动评测、回归测试工具链，推动 Prompt 自我演进。
任职要求
1、计算机 / 人工智能 / 数学等相关专业博士；有 Agent / LLM 系统 / RAG系统 / AI搜索等方向研究经历者优先；
2、精通Python / Java / C++ / Rust 至少一门开发语言；具备 AI Infra 或系统软件一线研发经验；
3、熟悉 LLM 训练 / 推理 / Agent 框架生态，具备从架构、业务流程到代码实现都基于 AI 原生范式设计能力；
4、在 Agent 编排、推理优化、提示词工程、多智能体协作中至少一个方向有深入研究或落地经验；
5、有顶会论文（NeurIPS / ICML / ACL等）或主流开源项目（vLLM / SGLang / LangGraph / MCP 生态等）贡献者优先。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_11", "en_name": "Beijing", "i18n_name": "北京", "location_type": 3, "mdm_code": "MDCY00000001", "name": "北京", "node_status": 1, "py_name": "beijing"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 2, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}}

---
opening_id: 92f4379e-0e2c-456b-a46e-8a43a75214af

`anm openings save --id 92f4379e-0e2c-456b-a46e-8a43a75214af`