1、基础条件 计算机，软件工程，人工智能等相关专业优先。 2、专业能力 Al编程工具重度玩家：Cursor,Claude code等Al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。 大模型能力理解与掌握：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(Context Engineering,Prompt Engineering,Agent，工具/函数调用等等)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。 扎实的代码和工程能力：具备扎实的计算机基础知识，深入理解数据结构，算法，网络和操作系统等相关知识，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。 3、能力特质 .学习能力：具备快速啃透前沿论文(Paper)的能力，并能将理论知识转化为工程代码。 开放性与动手能力：拒绝纸上谈兵，有自己独立完成的小项目(开源项目或个人Demo)，展现极客精神。 好奇心与想象力：面对未知事物有独特的想法，具备敏锐的问题定义能力和坚韧的解决问题能力。 审美追求：技术亦有审美，鼓励你提出能提出打动人心，简洁优雅的好想法。 高能动性：具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务。 加分项 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。 开源贡献或技术影响力：在Github上有高质量Al项目，技术博客或社区影响力。 对Al Infra有基本理解：了解vLLM,Ollama等推理框架原理，理解延迟优化，KVcache优化，流式输出等工程全局视角。 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。