The posting
关于岗位 在这个岗位上,你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,而不是停留在 demo 级别的玩具。 这个岗位不专注于训练基础模型,而是专注于系统、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,帮助研究员、工程师和其他职能团队在日常工作中真正用上这些工具。 这是一个高度跨职能的岗位。你会与研究、工程、HR、行政等团队协作,构建共享服务、智能体工作流和轻量的平台基础设施,并随着公司规模和业务持续演进。
主要职责 - 内部 AI 服务与基础设施建设:围绕 LLM、Coding Agent、工具化系统(tool-using systems),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 - 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 - 高杠杆工具识别: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,把它们变成实实在在的系统
- 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:能够区分"有趣的 demo"和"真正让团队加速的基础设施"
- 能够在高度不确定的环境中快速推进,学习新系统速度快,愿意和研究、工程一线高密度迭代
加分项(Preferred) 🛠️ 工程 / 生态经验 - 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



