Job Description:
AI基建工程师
工作内容
- 持续开发和升级架构团队的核心服务（API 网关、服务注册和发现、负载均衡等），以确保系统稳定性和可扩展性
- 保证公司 AI 基建的工程化：降低AI调用的延迟，提升用户体验；通过缓存、路由策略、模型选择等方式降低成本；AI 基建的稳定性保障
- 构建适合于 AI 团队的 devops 方案，提升交付效率
- 搭建 AI 能力评估与监控体系，追踪模型调用成本、效果、性能
- 持续构建和引入公司范围内的 AI 技术基础设施，包括共享开发工具、代码工具包和中间件，以提高研发效率
- 推动 AI 的实施以提升研发效率（代码生成、智能测试、智能运维和故障诊断等）
- 建立技术标准和规范（包括人工智能工程指南），以推动技术实施并确保代码质量和系统性能
- 推动研发效能提升，优化开发流程，推动技术层面的成本优化和资源利用率提升
- 参与技术难题攻关，解决系统瓶颈问题，提供创新性解决方案
- 良好的沟通能力和协作精神，能够推动跨团队全面实施技术需求
- 指导团队成员进行技术能力提升，组织技术分享和知识传递
Job Requirements:
任职要求：
- 学历：本科及以上学历，计算机相关专业
- 经验：5年以上后端开发经验，
- 语言：熟悉 Go、Java、C++ 其中至少一种
- 工具：熟练掌握 Cursor/Claude Code/Codex 的一种或多种编程工具
- 云服务能力：
- 深入了解至少一家主流云服务厂商（阿里云/AWS/Google Cloud）的产品能力
- 熟悉云上AI服务（如阿里云百炼/open router）的使用与集成
- 有云上架构设计、部署、运维经验
- 工程能力：
- 有实际分布式系统设计，高并发系统经验
- 熟悉消息队列（Kafka/RocketMQ）、缓存（Redis）、向量数据库（Milvus/Pinecone等）等中间件
- 有良好的代码规范和系统设计能力
- LLM应用经验：
- 熟悉 Prompt、RAG、Agent、Function Calling、Memory 等主流 LLM 应用范式
- 有实际落地过 RAG 系统或 Agent 应用
加分项
- 有模型微调（LoRA、QLoRA）或模型部署经验
- 了解Web3/区块链，有金融/交易系统经验
- AI 开源社区有贡献或技术影响力
Benefits:
请直接联系HR的TG沟通！
