The posting
您将为公司构建内部的智能体(Agent)与大语言模型基础设施,让 LLM、Coding Agent、工具链真正成为整个团队的生产力底座。这个岗位专注于系统、服务和开发者工作流:把快速演进的 LLM/Agent/Coding Agent/MCP 生态,落地成公司内部可靠、可复用、可演进的平台能力。
核心职责 - 内部 AI 服务与基础设施建设:围绕 LLM、Coding Agent、工具化系统,建设并维护公司内部的 AI 服务与开发者基础设施。 - 共享智能体工作流:设计并落地研究员、工程师在编程、研究、评测、调试、内部知识访问等场景下都能稳定依赖的 Agent 工作流。 - 服务化工程:承担模型路由、工具集成、工作流编排、可观测性、可靠性、开发者体验等典型平台工程问题。 - LLM 效率:负责内部模型服务的选型、多模型路由与成本/吞吐优化;支撑后训练与推理效率预研的工程落地。 - 生态跟进与内化:评估外部 Agent 框架、Coding Agent、记忆系统等基础设施,把最有价值的想法沉淀到内部平台和工作流中。 - 跨团队 AI 能力产品化:将内部 AI 能力从原型推向生产,支持研究、工程、招聘、行政等多场景使用;与研究和工程负责人紧密合作,识别高杠杆的内部工具机会并推动落地。
- 本科及以上学历(计算机、软件工程或相关方向);
- 扎实的软件工程基本功,具备生产级后端系统、内部平台或开发者基础设施的建设和维护经验;
- 精通 Python,能在服务与基础设施层游刃有余;
- 有面向真实用户的内部工具、开发者工作流、后端服务或 AI 应用的交付经验;
- 熟悉现代 LLM 应用模式(tool use、工作流编排、Prompt 工程、评测、生产环境集成);
- 具备清晰的产品/工程判断力——能区分「有趣的 demo」和「真正让团队加速的基础设施」;
- 能在高度不确定的环境中快速推进。
加分项: - 有现代 Coding Agent 或 Agent 框架的实战经验(Claude Code、Codex、Cursor、OpenHands、LangGraph 等); - 有 LLM Serving/推理路由/AI 平台基础设施经验(vLLM、SGLang、模型网关、多模型路由等); - 有开源 AI 工具链或基础设施项目贡献经历;有将 AI 系统与机器人、具身智能或研究工程环境结合的跨领域经验; - 熟悉 MCP、tool-call 协议及 Agent 工具生态。



