The posting
你将加入我们的核心研发团队,基于Qualcomm计算平台,打通从 AI 模型到端侧应用落地的“最后一公里”。我们需要你不仅懂算法原理,更能通过扎实的工程能力,构建高性能的 AI Agent 与推理系统。 1. 模型转换与性能调优 (Model Engineering): 使用 Linux 环境下的工具链,将 PyTorch/TensorFlow 训练模型转换为专用格式(DLC/QNN context)。 编写 Shell/Python 脚本 实现模型转换、量化(Int8/FP16)及精度验证的自动化流程。 分析模型在 Hexagon DSP/NPU 上的性能瓶颈,进行算子优化和推理加速。 2. 端侧 AI 系统开发 (System Integration): 基于 Android/Linux 系统,使用 C++ 开发高性能 AI 推理引擎及业务逻辑。 利用 Docker 维护统一的交叉编译与开发环境,确保 SDK 版本的一致性。 参与 AI Agent(智能体)的工程化实现,包括端侧 LLM 接入、工具链调用(Tool Use)及多模态数据流处理。 3. 代码与版本管理 (Engineering Excellence): 严格遵循代码规范,使用 Git 进行代码版本控制、分支管理和协同开发。 编写清晰的技术文档,记录模型转换参数与优化路径。
1. 核心编程能力 (The Must-Haves): 学历专业: 统招985/理工类211/QS前100 本科及以上学历,计算机、电子、自动化等相关专业。 C++ 基础: 熟练掌握 C/C++,理解指针、内存管理、多线程编程(这是端侧部署的基石)。 Python 能力:能熟练编写 Python 脚本进行数据处理和模型胶水代码开发。 2. 工程与系统素养 (Engineering Foundation): Linux/Shell:熟悉 Linux 开发环境(Ubuntu/CentOS),熟练使用命令行工具,能编写 Shell (Bash) 脚本 自动化处理日常任务。 工具链: 熟悉 Git 的基本操作(clone, commit, push, merge, resolve conflicts),有团队协作意识。 容器化:了解 Docker 的基本原理与常用命令,有使用 Docker 搭建开发环境的经验者优先。 3. AI 理论基础: 理解 CNN、Transformer 的基本结构,熟悉至少一种主流框架(PyTorch/TensorFlow)。 了解模型量化(Quantization)的基本概念(如 Int8 vs FP32)。 4. 软素质: 具备极强的自驱力和动手能力。 良好的英语阅读能力,能无障碍阅读英文技术文档。 【加分项】(有以下任意一项经历将极具竞争力) 高通/端侧经验: 接触过 SNPE, QNN, TFLite, ONNX Runtime, MNN 等端侧推理框架。 工程构建: 熟悉 CMake / Makefile 构建系统;或者了解 Android NDK 开发。 Agent 实践: 玩过 LangChain,或者在本地部署过 Llama/ChatGLM 等大模型。 CI/CD: 了解持续集成流程(如 GitHub Actions, Jenkins)的基本概念。



