TypeScript Engineer, AI Coding Agent Evaluator（远程职位）

这条招聘信息来自 G2i，岗位是 TypeScript Engineer, AI Coding Agent Evaluator。职位属于「IT 与编程」类别，完全远程。公司不限制候选人的居住地，在任何地方都可以申请。

招聘信息里列出的主要工具是：TypeScript、Python。简历上最好能给出正是这几项能力的具体例子。

公司公布了薪酬：$100 - $200/小时。对工作时间，招聘信息没有提出任何条件。

这个职位通过了自动核查：凡是要求外国工作许可、签证担保、特定国籍，或者必须居住在指定国家的招聘信息，都不会进入列表。

高级 AI 交互评估专家（Codex / Claude Code）

合同制 | $100-$200/小时 | 每周 10-20 小时 | 尽快入职（工作持续至 5 月初）

查看这个 Loom 视频了解更多详情！

我们希望找到一位经验深厚的软件工程师（SR+），评判用户与当前编码智能体（包括 OpenAI Codex 和 Claude Code）交互的质量。

这不是传统的工程岗位。这里不写生产代码。你要回答的是更难的问题：模型的推理方式，是否像一位优秀工程师的推理方式？

这个岗位到底做什么

你要审查 AI 编码智能体在真实场景中的表现，重点关注：

* 答案是否合理

* 前置说明与推理过程是否有价值

* 结果是否体现出扎实的工程判断力

* 整段交互在资深开发者看来是否地道

驱动这项工作的是工程品味，而不是语法检查。

你的具体工作

* 完整审查 AI 生成的编码交互，从头到尾

* 判断输出是否：

* 有用

* 正确（在宏观层面）

* 符合优秀工程师的推理方式

* 评估解释与推理，而不只是代码

* 区分不同的质量等级（例如，为什么一个答案得 2 分，另一个得 4 分）

* 给出犀利、有明确立场的意见：

* 哪里做得好

* 哪里做得不好

* 哪里让人觉得"别扭"或有误导性

* 参与定义：人们使用 Cursor 这类工具时，什么才算优秀

我们所说的"品味"是什么

我们想找的工程师，能够回答这样的问题：

* 优秀工程师真的会这样表达吗？

* 这段解释是真的有帮助，还是仅仅准确而已？

* 模型是在引导用户，还是只是在堆砌输出？

* 这段交互是赢得了信任，还是失去了信任？

你应该乐于做主观判断，并且做得严谨。

我们想找的人

* Staff / Principal 级别工程师（或具备同等经验）

* 在以下其中一项上功底扎实：

* TypeScript / JavaScript

* Python

* 有实际使用经验：

* OpenAI Codex

* Claude Code

* Cursor

* 深入了解当前的 AI 辅助开发工作流

* 能够在不运行代码、不逐行细读的情况下作出判断

* 乐于给出直白、有明确立场的意见

* 对"好的工程"有很高的标准

加分项

* 使用过 Cursor 或其他 AI-first IDE

* 此前接触过提示词设计或评估工作流

* 指导过资深工程师，或负责过工程标准

合作细节

* 报酬：$100-$200/小时

* 工时：每周约 10-20 小时

* 周期：持续至 5 月初（可能延长）

* 入职：尽快

* 流程：

* 一份带回家的评估练习

* 一轮行为面试

最初发布于 Himalayas