高级AI交互评估员（Codex / Claude Code）

关于此职位

我们正在寻找经验丰富的软件工程师（高级及以上）来帮助评估与现代编码代理（如OpenAI Codex和Claude Code）的交互质量。

这不像一个传统的工程角色。您不会编写生产代码。您将评估更困难的事情：模型是否像一位优秀的工程师那样思考。

这个角色的实际内容

您将评估AI编码代理在现实场景中的行为，重点关注：

• 回应是否合理
• 前言和推理是否有用
• 输出是否反映出强大的工程判断
• 交互是否让经验丰富的开发人员感到合适

这个角色关乎工程品味，而不是语法正确性。

您将要做的事情

• 端到端评估AI生成的编码交互
• 判断输出是否：
  • 有用
  • 正确（在高层次上）
  • 符合强大工程师的思维方式
• 评估解释和推理的质量，而不仅仅是代码
• 区分不同水平的响应质量（例如，什么使某个东西得2分而不是4分）
• 提供明确、有见地的反馈：
  • 什么有效
  • 什么无效
  • 什么感觉“不对”或具有误导性
• 帮助定义与工具如Cursor交互时的优秀标准

我们所指的“品味”

我们特别寻找能够回答以下问题的工程师：

• 这是否感觉像是一个强大的工程师会说的话？
• 这个解释是有帮助的，还是仅仅在技术上正确？
• 模型是否很好地引导用户，还是仅仅在输出信息？
• 这种交互会建立还是削弱信任？

您应该能够做出主观但严格的判断。

您是谁

• 员工/首席级别工程师（或同等经验）
• 在以下之一有强大背景：
  • TypeScript / JavaScript
  • Python
• 使用以下工具的实际经验：
  • OpenAI Codex
  • Claude Code
  • Cursor
• 深入了解现代AI辅助开发工作流程
• 能够在不需要完全执行或深入审查每一行代码的情况下评估代码
• 能够提供直接、有见地的反馈
• 对“良好工程”的标准要求很高

加分项

• 有使用Cursor或类似AI优先IDE的经验
• 之前接触过提示设计或评估工作流程
• 有指导高级工程师或定义工程标准的经验

参与详情

• 费率：$100–$200/小时
• 工作时间：每周约10–20小时
• 持续时间：至5月初（可能延长）
• 开始时间：尽快

流程

• 居家评估练习
• 一次行为面试