Eigent.AI / CAMEL-AI.org 正在为全球领先的模型公司和研究实验室构建 Agent 强化学习（RL）训练环境数据，以及构建开源通用桌面端Cowork Agent产品。
我们的Mission是探索Agent的 Scaling Laws的三个核心维度：智能体的数量、环境，以及智能体的自我进化扩展。更多关于这一使命的思考，可以阅读我们的 Mission Blog：
https://www.camel-ai.org/blogs/mission-at-camel-ai-org-finding-the-scaling-laws-of-agents
早在 2025 年 3 月，我们就发布了一篇博客：在数据驱动的环境构建下一代智能体
当时我们提出一个核心判断：环境，是智能体训练中最关键、也最缺失的“数据”。
仅靠网页、文本和静态数据，并不足以训练真正能完成复杂任务的 Agent。智能体需要的是一个动态空间：可以尝试、失败、获得反馈、重新规划，并在长期交互中学习。
这也是我们一直在做的事情：Scaling RL Environments for Agents。
我们关注的问题包括：
-
如何从真实工作流中抽象出可训练、可评测的 Agent 任务？ -
如何定义环境接口、rubric、奖励函数和verifier？ -
如何避免 reward hacking，让模型真的学会任务，而不是学会钻评测空子？ -
如何构建高质量、多领域、可持续迭代的环境数据？ -
如何把真实用户使用、失败案例、人工修正和评测结果变成数据飞轮？
现在，我们正在扩充团队，欢迎愿意在 Agent RL 环境、评测体系和数据飞轮上长期深耕的人加入。
公司正在招募以下几类岗位：以全职为主，开放少量实习机会；领域 LLM 数据标注专家可接受兼职 Contractor。Base 优先英国 / 美国，特别优秀者可远程：
1. RL 环境数据工程师/研究员
面向真实 Agent 任务场景，设计、构建和打磨可用于强化学习（RL）训练与评测的高质量环境数据。工作内容包括：从真实工作流中抽象任务，完成数据抓取、清洗、合成与版本管理；定义任务目标、环境接口、奖励函数、成功标准和评测指标；设计防止 reward hacking 的验证机制与对抗样例；通过模型后训练与评测实验分析环境有效性，持续迭代任务难度、数据质量和评测稳定性。要求：代码能力强，熟练使用 AI Coding 工具，具备良好的工程实现与实验分析能力，对 RL / Agent / LLM Evaluation / Benchmark 等方向有基础研究理解。加分项：有 RL / Agent / Eval 相关高影响力研究工作，参与过大规模数据、仿真环境、Benchmark 或开源项目建设与维护。
2. Agent 产品经理
负责通用 Agent 产品的功能定义、用户场景拆解和数据飞轮设计，连接真实用户需求、产品体验、Agent 能力边界。工作内容包括：调研和抽象高价值 Agent 使用场景，定义产品功能、交互流程、任务成功标准和优先级；将用户行为、失败案例、人工修正和评测结果转化为可持续生产的评测数据；设计数据采集、标注、反馈、质检和迭代机制，推动产品使用与模型能力提升形成闭环；与工程、研究、和运营团队协作，推动需求从 PRD、原型、实验到上线验证。要求：对 LLM / Agent / RL 有基础理解，具备清晰的产品判断、结构化拆解和跨团队推进能力，对通用 Agent 产品和数据飞轮建设有强热情。加分项：有 AI 产品、数据产品、开发者工具、自动化工具、B2B SaaS 或增长产品经验，熟悉模型评测、用户行为分析、数据标注流程、 AI Coding 工具。
3. 团队运营与人才项目经理（Base 英国）
负责团队在英国及全球远程协作场景下的日常运营、招聘支持和跨团队项目推进，是连接业务、人才、流程和交付的复合型角色。工作内容包括：协助招聘流程管理，跟进候选人沟通、面试安排、offer、入职和 contractor onboarding；维护团队运营节奏，推进会议、文档、流程、供应商和基础行政事务的高效运转；支持 Agent / RL 数据、产品和研究项目的进度管理，拆解 milestone、跟踪 owner、识别 bottleneck 并推动解决；协助管理外部专家、标注人员和合作方，确保沟通顺畅、交付清晰、质量可控。要求：Base 英国，英文沟通能力强，做事细致可靠，具备强执行力、owner 意识和结构化项目管理能力，能在快节奏创业团队中处理多线程事务。加分项：有初创公司运营、HR / Recruiting、项目管理、远程团队协作、AI / 数据项目或国际化团队经验。
4. 领域 LLM 数据标注专家（兼职 Contractor）
面向金融、法律、医疗、保险、半导体、制造业、能源、汽车、生物医药、电商零售等专业领域，参与 LLM / Agent 训练与评测数据的出题、标注、审核和质量评估。工作内容包括：基于真实专业场景设计高质量问题、案例任务和评测样例；判断模型回答的事实准确性、专业性、合规性与可执行性；撰写参考答案、评分理由和错误分析；协助完善标注规范、评测维度和质检标准，帮助模型在真实专业场景中表现得更可靠。要求：具备相关领域深度教育背景、研究经历、从业经验或专业资质，PhD 优先；能够严谨阅读和判断专业材料，有清晰的中文书面表达能力。加分项：有数据标注、模型评测、行业研究、咨询、审计、法务、医学写作、专业内容审核或高质量题库建设经验。
欢迎大家申请、转发、推荐！
具体JD和投递方式：https://www.eigent.ai/careers
复制链接至浏览器打开，找到对应的岗位进行申请。
THE END
往期内容推荐：
