课题详情： 课题背景： 私人助理类智能体的核心壁垒不绝对取决于模型聪明程度，而在于系统能否“越用越聪明”。为此，我们需要构建一套Harness，为Agent提供大规模隔离沙盒与真实环境反馈，利用持续产生高质量的偏好数据，打通基于环境反馈的强化学习闭环，最终实现从“静态模型”向“自进化系统”的跨越。 课题挑战： 1. 如何构建和管理高并发、强隔离、可复现的沙盒环境。 2. 如何高效利用Harness产生的复杂环境反馈，驱动AgentLoop和模型的持续迭代。 具体工作： 构建面向C端多模态Agent的统一基础设施，包含云端浏览器、OS沙盒及API Mock系统等高并发隔离环境；搭建Agent自进化数据飞轮，将轨迹转化为训练数据；打通全自动或半自动的模型训练和发布流程，持续提升Agent在任务成功率。 课题要求： 1. 机器学习/人工智能/计算机等相关专业硕士及以上学历； 2. 具备良好的工程架构能力，具有线上产品的开发经验，熟悉常见的云组件和工具库，具有全栈开发经验者优先； 3. 熟悉主流Agent框架及其工作原理，对于Agent类产品的交互工作流有深刻理解； 4. 了解大模型强化学习相关知识，具备模型后训练经验者优先； 5. 具有目标感，具有自驱力，具有协作精神。