"参与企业级 AI 应用与智能体平台建设 1. 参与企业级 AI 应用平台方案设计与开发实施，包括人机协同，多端协同AI应用（ PC 端、andriod、鸿蒙等移动端）等。 2. 参与 AI 技能、MCP 工具、智能体应用的开发、调试和优化。 3. 配合团队完成 AI 应用场景落地，如智能体编排、工具调用、自动化工作流、研发提效等。 4. 参与平台功能迭代、问题修复、性能优化和用户体验改进。 参与 AI 软件工程体系落地 1. 按照 AI 软件工程规范参与需求分析、方案设计、编码开发、测试验证、发布上线等研发流程。 2. 学习并实践 AI 软件工程，包括代码生成、测试生成、代码重构、Code Review、运维运营等harness和约束规则等工程环境构建。 3. 参与工程模板、开发规范、提示词模板、测试用例模板、技能模板等工程资产的沉淀。 4. 配合团队优化研发工具链，提高 AI 软件工程交付效率。 参与大模型基础设施与 AI 服务平台建设 1. 参与 AI 网关、模型接入、Token 计量、API 网关、调用鉴权、日志监控等基础模块开发。 2. 参与 Docker、Kubernetes、模型服务化等相关技术实践。 3. 配合团队进行模型服务稳定性、调用性能、资源利用率等方面的优化。 参与工程资产沉淀与推广 1. 参与 AI 工程资产的整理与维护，包括约束文档、技能、模板、案例、最佳实践等。 2. 参与内部技术分享、文档编写和培训材料准备。 3. 在项目实践中总结 AI 软件开发方法，推动标准化工程实践落地。 基础要求 1. 本科及以上学历，人工智能、计算机科学与技术、电子信息工程等相关专业优先。 2. 具备扎实的计算机基础，熟悉数据结构、操作系统、计算机网络、数据库等基础知识。 3. 熟悉至少一种主流编程语言。 4. 了解前后端开发基础，具备 Web 应用、服务端接口、数据库或移动端开发经验者优先。 5. 对大模型、AI Agent、RAG、Harness Engineering、AI 编程工具等方向有兴趣，并有一定学习或实践经历。 6. 具备良好的代码习惯、学习能力、问题拆解能力和团队协作意识。 加分项 1. 有 AI 应用、大模型项目、智能体、RAG 知识库、MCP 工具、插件系统、低代码平台等相关项目经历。 2. 熟悉 LangChain、LlamaIndex、Dify、AutoGen、CrewAI、OpenAI API、Claude API 等工具或框架。 3. 了解 Docker、Kubernetes、Linux、CI/CD、微服务、云原生等技术。 4. 了解 vLLM、Triton、TorchServe、TGI、GPU 推理服务等模型部署或推理框架。 5. 有开源项目、竞赛获奖、论文、专利、实习经历或技术博客者优先。 6. 对 AI 软件工程、AI Coding、自动化测试、工程效率提升有浓厚兴趣。