The posting
CQ计划是上海创智学院面向新一轮科研范式变革，以内生性创新驱动的科研基础设施建设工程，目标是系统性构建一个可持续运行、可扩展演化的科研智能基础设施与运行体系。其核心在于推动科研从“以人和经验为中心的手工模式”，迈向“以模型、系统和自动化为核心的智能化模式”，从而重塑科学问题提出、知识生成与成果转化的全过程。在战略层面，CQ计划定位为底座性、长期性工程，其价值不在于短期论文或项目数量，而在于是否能够形成一套可复制、可推广的科研智能运行范式，为更大尺度的高校体系、城市层面乃至国家层面的科研智能建设提供可验证样本。
参与技术平台的建设、开发、运维和持续优化，围绕平台数据工厂、模型服务及基础设施接入，完成平台功能实现、系统保障和工程化落地。能满足通用要求或擅长前后端技术之一。
通用职责： - 参与科研驾驶舱、数据工厂、模型服务等核心系统的设计、开发、测试、上线与维护。 - 根据平台建设规划，完成相关模块的功能开发、接口联调、问题修复和性能优化。 - 与产品、科研等角色协同，支撑重点任务快速交付和持续迭代。 - 参与系统稳定性建设，保障平台可用性、可靠性、安全性和扩展性。
擅长前端： - 负责平台管理端、展示端的前端开发与交互实现。 - 与后端、算法、产品协作，完成接口对接、状态管理、页面性能优化和体验提升。 - 负责前端工程化建设，包括组件沉淀、规范制定、打包部署、权限控制与监控埋点。 - 参与平台可视化能力建设，支撑科研过程、数据资产和任务指标的统一展示。
擅长后端： - 负责数据工厂、模型服务平台等后端系统的设计、开发和维护。 - 负责数据接入、任务编排、权限控制、服务治理、接口设计和存储管理等核心能力建设。 - 支撑模型训练、推理部署、服务封装和业务接入，提升平台复用性和服务效率。 - 负责数据库设计、缓存机制、消息队列、日志链路和性能优化。 - 参与平台 API 规范、服务治理、可观测性和安全控制体系建设。
通用要求： - 计算机、软件工程、网络工程、人工智能等相关专业本科及以上在读。 - 具备扎实的编程基础和良好的编码习惯，具有软件工程化思维，熟悉 Git 及团队协作开发流程。 - 熟悉前后端分离架构，理解 RESTful API 设计规范，具备良好的代码规范意识与系统设计能力。 - 具备较强的学习能力和问题分析能力，良好的沟通协作意识，能够独立分析并解决技术问题。 - 熟悉 AI 辅助开发（AI Coding）范式，能够高效使用 Claude Code、Codex 等工具提升研发效率，并理解其能力边界。 - 对 AI 技术和新兴开发模式保持持续关注，了解大语言模型应用开发模式、有 AI Agent 产品或 AI 应用开发经验者优先。
擅长前端： - 熟练掌握 HTML、CSS、JavaScript 及 React 等主流前端技术，并理解核心设计原理。 - 熟悉前端工程化实践，包括模块化、组件化开发、构建与发布流程，熟悉 Webpack、Vite、Rollup 等工具。 - 具备基础后端开发能力（如 Node.js API 开发、数据库基础、简单服务部署等）。 - 具备前端性能优化、响应式设计及跨浏览器兼容性调试经验。 - 关注用户体验和交互设计，对用户行为与产品体验有一定理解。 - 有 AI Agent 前端交互设计与 AI 应用开发经验者优先。 - 有跨平台开发经验（如 React Native、小程序、Electron 等）者优先。
擅长后端： - 熟练掌握至少一种后端开发语言（Node.js / Go 等），并具备实际项目开发经验。 - 熟悉主流 Web 框架（如 Express、Koa、NestJS 等），能够独立设计并构建高性能 API 服务。 - 熟悉数据库技术（MySQL / PostgreSQL / MongoDB 等）及缓存机制（Redis 等）。 - 熟悉异步任务队列与消息系统（如 Celery、BullMQ、Kafka、RabbitMQ 等）。 - 具备服务部署、性能调优、故障排查和线上问题处理能力。 - 具备高并发系统设计与优化经验，理解常见分布式架构模式者优先。 - 熟悉虚拟化、容器化部署技术（Docker、Kubernetes 等）者优先。 - 有数据平台、AI 平台、模型服务、或中后台系统开发经验者优先。
