这个方向的工作分成哪几块

消息提到，Berkeley RDI 发布开源平台 CUA-Lite，用于开发计算机操作智能体，围绕三个标准化抽象构建：Lite.Gym（环境）、Lite.Sample（监督数据），以及每个模型在评测、SFT 和 RL 中统一使用的单一 harness。平台称已接入 15+ 个基准、10+ 个数据集和 30k+ 个可验证任务。

对准备投递的人来说，这三块对应三类不同的日常工作。环境接口方向，写的是任务环境、运行时和动作空间，考验你对操作系统、浏览器、测试框架的熟悉度；数据格式方向，处理监督数据的采集、清洗与统一格式，考验数据工程和标注流程经验；模型适配方向，处理动作映射、提示词格式和 rollout 循环，考验训练与评测工程能力。

先别笼统投“智能体岗”。拿一份自己的项目经历，逐条对照：你写过环境封装吗？做过数据管线吗？调过模型评测循环吗？哪一块有实际记录，就往哪一块靠。

投递前该向团队核实什么

原文指出，此前环境、监督数据集和模型各自分散，接口、格式、动作空间不统一，接入模型需重写动作映射、上下文窗口和 rollout 循环等代码。这说明团队很可能仍在做“统一”和“接入”的脏活，而不是只做模型调优。

面试时可以问：团队实际负责三类工作中的哪一块？评测与训练基础设施是自建还是复用开源？任务数据从哪来、由谁维护？如果对方说“什么都做”，可以追问最近三个月投入最多的是哪一块。

需要提醒的是，平台是否在招聘、招什么岗位、团队规模与地点，素材都没有说明，不能假定它正在招人。你核实的是目标团队的真实分工，不是这条发布本身。

想进入这个方向先补什么

对照三类工作，优先补缺口最大的一块，而不是盲目刷题或只学模型微调。假设场景：同样一个“让智能体完成网页表单填写”的任务，环境方向的人关心页面状态怎么表示、失败怎么重试；数据方向的人关心成功轨迹怎么标注、格式怎么统一；模型方向的人关心动作空间怎么映射、上下文怎么截断。三种做法没有高下，只有匹配。

可以做的具体动作：找一份目标岗位描述，把职责逐条归到环境、数据、模型三类里，看哪类出现最多；再挑一个自己没做过的小任务，用一周时间做出可展示的记录，比如[实际记录]。

平台接入的基准与数据集是否全部可公开复现、30k+ 任务的具体来源与质量，素材没有说明，投递前值得向团队问清。