The posting
1. 智能搭建 Agent 研发: 设计并实现基于大模型的 Low-Code Agent,实现通过自然语言自动生成页面结构、配置组件属性、编写业务逻辑脚本等核心功能。 2. RAG 与知识库建设: 构建面向低代码平台的 RAG 系统,通过检索平台文档、组件协议(Schema)和最佳实践案例,提升 AI 生成内容的准确性与合规性。 3. 复杂任务编排: 优化 Agent 的推理决策链(Planning),使其能处理“创建页面-配置数据源-绑定交互事件”等长链路复杂任务,并建立有效的兜底与纠错机制。 4. 工程化落地: 负责 AI 能力在低代码编辑器、SaaS 后台的工程化集成,持续优化接口延迟(Latency)与 Token 成本,提升最终用户的交互体验。 5. 前沿技术探索: 持续跟进 LLM + UI 生成(Screenshot-to-Code)、多模态理解、AI 自动修复 Bug 等前沿技术在建站领域的应用落地。
【核心基本功】 1. 学历背景: 本科及以上学历,计算机、人工智能或数学相关专业,具备极强的自驱力与快速学习能力。 2. 编程底蕴: 扎实的计算机基础,熟练掌握 Python(AI 应用开发)或 Node.js/TypeScript(利于理解低代码前端生态),具备良好的代码架构设计能力。 3. 大模型认知: 熟悉 LLM 应用开发(LangChain/LlamaIndex 等),理解 Prompt Engineering、Function Calling、上下文窗口管理及模型推理的基本原理。 4. 结构化思维: 能够理解 JSON Schema、抽象语法树(AST)或组件协议等结构化数据,这是实现 AI 与低代码平台打通的关键。 【加分项 / 进阶潜力】 1. 实战经验: 具备 RAG 或 Agent 系统开发经验,有处理过 LLM 生成内容不稳定(幻觉问题)的实际调优思路。 2. 前端视野: 了解 React 或 Vue 框架,对“代码生成”或“可视化搭建”有浓厚兴趣,能够从开发者视角思考 AI 工具的易用性。 3. 模型能力: 了解过微调(LoRA/SFT)或数据清洗流程,能在工程实践中判断何时该用 Prompt 解决,何时该用微调解决。 4. 极客精神: 活跃的 GitHub 贡献者,或在 AI 相关竞赛中取得过优异成绩,能证明自己在不确定领域快速攻克难题的能力。 5. 业务敏锐: 对 SaaS 建站、低代码平台、AI 提效有长期关注和独立见解者优先。



