有 AI 安全、Agent 安全、模型评测、大模型红队或自动化安全测试等任一方向的实战经验。 理解大模型 / Agent 的基本工作方式，熟悉工具调用、上下文、RAG、Memory、外部 API、多 Agent 协作中的至少一种风险面。 熟悉 Agent Harness / Hermes 这类真实执行与评测框架，理解 Agent 如何在工具、文件系统、Shell、浏览器、API、Memory、RAG、子 Agent、审批流和沙箱环境中完成任务；能够基于 trace、tool call、artifact、policy、permission 和 runtime log 构造可复现攻击样本、judge 规则和回归评测流程。 具备工程实现能力，能使用 Python 或其他语言编写评测工具、测试脚本、检测规则、数据处理流程或原型系统。 能把抽象风险落到具体样本、规则、指标和系统能力上，并能用误报、漏报、覆盖率、准确率、可复现性等指标支撑安全结论。

必备项： 具有大厂 AI for Security / Security for AI 真实业务场景落地经验的人，不要应届生，工作经验至少2年以上 有 AI / Agent 安全研究、模型安全评测、大模型红队、自动化安全测试等任一 AI / Agent 安全方向的实战经验 加分项：有检测引擎、运行时安全、沙箱、策略引擎、安全产品或 Agent 治理平台建设经验 岗位内容 早期参与 Agentic AI 时代安全基础设施建设，作为核心成员参与从 0 到 1 定义智能体行为安全的技术体系与产品能力。 参与“智能体免疫”“风险评测自进化”“运行时防护闭环”等前沿方向建设，把 AI 安全从单点检测推进到可持续演进的安全系统。 接触真实业务场景中的 Agent 风险，将工具误用、权限越界、RAG / Memory 攻击、多 Agent 协作失控等问题转化为可落地、可验证、可规模化交付的能力。 参与 Agent Harness / Hermes 类真实执行与评测框架建设，沉淀高质量 benchmark、攻击样本、检测规则、防护策略和回归评测体系。 在产品 Go to Market 阶段，与 AI、工程、产品、商业化等团队协同，直接参与客户场景验证、技术路线选择和行业标准探索。 支持论文、开源项目、技术博客、行业报告、公开演讲和安全社区交流等技术影响力建设。