】 1. 热爱编程，熟悉掌握但不限于C/C++/Java/Golang/Node.JS等编程语言中的一种或几种； 2. 基础知识扎实，熟悉计算机系统结构、操作系统内核、网络、分布式系统、算法等领域； 3. 具备优秀程序员的基本素养，遇到问题可以一查到底，善用工具，对工程效率有自己的见解； 4. 学习能力强，对新事物保有好奇心，不断突破技术瓶颈，乐于探索未知领域； 5. 有良好的沟通能力和团队协同能力，善于独立思考并反思总结。 【加分项】 1. 在github等开源社区具备有较大影响力的技术项目，作为Collaborator/Committer/Member优先； 2. 作为重要角色参与领域内有含金量的比赛并取得成绩（比如ACM）； 3. 发表顶刊顶会（参考CCF-A），担当一作/并列/二作； 4. 获得过业界有影响力的专利。 岗位二：AI Infra工程师 【职位描述】 在这里，你将成为大模型技术落地的“幕后推手”。你将参与构建支撑千卡/万卡规模的 AI 计算基础设施，通过软硬件协同优化，解决大模型在训练、推理、调度全链路中的工程挑战。你的代码将直接决定大模型训练的效率、推理的响应速度以及集群资源的利用率，为 AI 时代的算力底座注入核心动力。 具体的职责包括以下相关方向的一项或多项： 1. 算力基建与分布式训练：深入分布式训练架构，优化通信与底层算子性能，解决大规模集群通信瓶颈，提升模型训练的吞吐量与计算效率。参与研究新的训练框架和模式。 2. 极致推理加速：针对大规模推理场景，研发高性能推理引擎，通过kernel及框架、与算法结合的有损优化等手段，实现极致的低延迟与高并发。 3. 智能化资源调度与系统：构建大规模 GPU 集群的统一调度与编排系统，实现算力资源的弹性分配与自动化调度，设计与优化面向 AI 计算场景的高性能通信、存储系统，保障海量任务的极致的效率。 4. 工程效率与平台化建设：打造一体化的平台，覆盖大模型研发和迭代的全流程，降低模型迭代门槛，提升研发效能。 【职位要求】 1. 计算机、软件工程等相关专业。 2. 热衷于数据结构和算法、在ACM大赛成绩优异者优先；有顶会论文/高影响项目/开源贡献者加分。 3. 系统工程与编程能力：具备良好的系统工程基础，熟悉 Linux 开发环境，掌握 Python、Go、Java 等至少一门编程语言，具备扎实的工程实现能力。 4. 分布式系统：了解分布式系统基本原理（如一致性、容错、扩展性等）。 5. AI 系统领域专业知识：了解 AI 的基本原理与常见算法，理解模型训练任务的基本流程及其资源需求；了解主流训练推理框架（如 PyTorch、TensorFlow、vLLM、sglang）的基本使用方式及训练流程；了解异构计算或高性能计算体系，有 GPU 相关优化经验者优先。 岗位三：AI应用研发工程师 【职位描述】 洞察业务问题，以AI为核心计算引擎，清晰定义目标，设计AI原生架构（AI-Native Architecture），完成任务的编排与交付，将AI的不确定性转化为工程的确定性，让大模型在真实生产环境中稳定落地。具体职责包括： 1. 需求共创与问题定义：深入业务一线，通过数据挖掘与特征分析完成现象归因与建模，成为需求的共创者。定义目标与非目标（Goal & Non Goal），将业务需求转译为工程需求。 2. 架构与系统设计：针对业务问题进行数学与逻辑建模，从零设计AI原生架构（AI-Native Architecture），包括Agent系统的业务流程建模与闭环设计（意图明确、任务拆解、工具调用、自主执行、反思纠错）。在成本、性能、安全、合规、SLO之间做系统级权衡，设计高可用架构并落实监控告警与自动恢复机制。 3. 任务编排与交付：将AI的“不确定性”转化为工程的“确定性”。包括环境构建（API网关、消息队列、缓存等），工程迭代（调试、旁路测试、自动化评测），任务拆解与依赖编排，边界治理（权限分级、审计链、失败兜底），以及交付指标的持续优化。 4. Agent核心能力设计与实现：负责Agent关键模块的方案选型与工程落地，包括：上下文与记忆管理（短期/长期记忆方案，上下文窗口管理，多轮交互的信息连贯性），规划与推理策略（根据业务场景选择和优化ReAct、Plan-and-Execute、反思机制等模式），工具集成与编排（对接业务系统API和外部工具，设计工具描述、调用链路与异常处理机制），RAG/知识增强（构建业务知识库的检索增强方案，优化召回质量与上下文注入策略）。 5. 工程正确性管理：明确业务规则与边界条件，定义数据契约。建立分层验证体系与CI阻断机制，持续跟踪缺陷密度与线上故障率，通过灰度发布与渐进式rollout持续降低MTTR。 6. 沉淀与迭代：通过复盘提炼业务路径与技术经验，将成功经验内化为可复用的模型能力与系统底座，实现智能的规模化应用。 【职位要求】 1. 计算机、软件工程、人工智能等相关专业优先。 2. AI编程工具重度玩家：Cursor、Claude Code等AI编程工具重度或顶级玩家，具备极强的Prompt编写与调优能力，有过完整的项目级开发经验，理解如何让AI写出生产级代码。 3. 大模型理解与掌握： 理解主流LLM的能力与局限，能够清晰拆解任务并通过LLM或确定性逻辑兜底实现；熟悉主流大模型的应用范式（Prompt Engineering、RAG、Agent、工具/函数调用、检索增强等）及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路。 4. 委托编排与人机协作： 具备任务拆解、分层与分布设计能力，能完成上下文供给与约束注入，处理多agent协作与冲突治理。 5. 验证与交付工程： 掌握测试工程全链路（覆盖、回归、分层），具备根因分析与调试定位能力，熟悉CI、lint、静态分析等变更管理工具。 6. 工程与系统素养：能至少在一种主流编程语言（如 Java / Python / JS 等）上有深度的实践经验，掌握常见工程实践并具备优秀的Coding 能力，能够根据场景灵活选型并快速上手。 【加分项】 1. 有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先。 2. 开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力。 3. 对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全景视角。 4. 在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。