崗位定位
· 該崗位面向AI 產(chǎn)品與智能系統(tǒng)的后端工程化建設(shè)，
· 負(fù)責(zé)將算法模型與大模型能力穩(wěn)定、高效地運行在后端系統(tǒng)中，
· 支撐 AI 能力在真實業(yè)務(wù)場景中的高并發(fā)調(diào)用、持續(xù)迭代與規(guī)模化落地。
· 崗位關(guān)注的不僅是傳統(tǒng)后端服務(wù)開發(fā)，
· 而是AI 模型服務(wù)化、推理鏈路、數(shù)據(jù)處理流水線與系統(tǒng)穩(wěn)定性的整體工程能力，
· 需要在后端架構(gòu)設(shè)計、AI 工程化與分布式系統(tǒng)之間建立有效連接。
· 該角色為AI 研發(fā)體系中的核心工程崗位，
· 在系統(tǒng)復(fù)雜度、跨團(tuán)隊協(xié)作與工程可靠性要求上，
· 顯著高于純業(yè)務(wù)型后端或單一模型調(diào)用集成角色。

崗位職責(zé)
· 參與 AI 產(chǎn)品與智能系統(tǒng)的后端架構(gòu)設(shè)計與開發(fā)，支撐 AI 算法、大模型及數(shù)據(jù)服務(wù)的穩(wěn)定運行
· 負(fù)責(zé) AI 能力的工程化落地，包括模型服務(wù)化、推理接口、特征服務(wù)、數(shù)據(jù)處理流水線等
· 與算法、產(chǎn)品、前端團(tuán)隊協(xié)作，將 AI 能力（如 NLP、CV、推薦、預(yù)測、大模型能力）集成到業(yè)務(wù)系統(tǒng)中
· 設(shè)計和實現(xiàn)高并發(fā)、高可用、可擴(kuò)展的后端服務(wù)，保障 AI 服務(wù)的性能與穩(wěn)定性
· 參與模型訓(xùn)練、推理、評估相關(guān)的工程支持工作（如模型部署、版本管理、A/B 測試）
· 負(fù)責(zé) AI 服務(wù)的監(jiān)控、日志、異常處理及性能優(yōu)化
· 持續(xù)優(yōu)化系統(tǒng)架構(gòu)，提升 AI 系統(tǒng)的可維護(hù)性、可觀測性與安全性
任職要求基礎(chǔ)要求
· 本科及以上學(xué)歷，計算機科學(xué)、軟件工程、人工智能等相關(guān)專業(yè)
· 扎實的后端開發(fā)基礎(chǔ)，熟練掌握至少一門主流后端語言：
o Java / Python / Go / C++（至少一門精通）
· 熟悉常見后端框架與技術(shù)棧：
o Spring Boot / FastAPI / Django / Gin 等
· 熟悉常用數(shù)據(jù)庫與中間件：
o 數(shù)據(jù)庫：MySQL / PostgreSQL / Redis / MongoDB
o 消息隊列：Kafka / RabbitMQ / RocketMQ
· 具備良好的系統(tǒng)設(shè)計能力，理解分布式系統(tǒng)、微服務(wù)架構(gòu)、緩存、負(fù)載均衡等
AI / 數(shù)據(jù)相關(guān)要求
· 對人工智能有較強興趣，理解基本 AI / 機器學(xué)習(xí) / 深度學(xué)習(xí)概念
· 熟悉至少一種 AI 框架或生態(tài)：
o PyTorch / TensorFlow / Hugging Face / ONNX 等
· 具備 AI 模型服務(wù)化經(jīng)驗，如：
o 模型推理 API
o 大模型調(diào)用（LLM API）
o 推理性能優(yōu)化（Batch、異步、緩存）
· 熟悉 AI 數(shù)據(jù)處理流程，包括數(shù)據(jù)清洗、特征工程、數(shù)據(jù)管道等
· 理解 AI 系統(tǒng)在生產(chǎn)環(huán)境中的關(guān)鍵問題，如性能、成本、穩(wěn)定性與安全
加分項
· 有大模型（LLM）相關(guān)經(jīng)驗，如 RAG、Agent、Prompt Engineering、模型微調(diào)等
· 有 AI 平臺或 AI 中臺建設(shè)經(jīng)驗（模型管理、特征平臺、實驗平臺）
· 熟悉云原生技術(shù)：Docker、Kubernetes、CI/CD
· 有高并發(fā)、大規(guī)模數(shù)據(jù)處理或?qū)崟r系統(tǒng)經(jīng)驗
· 參與過 AI 相關(guān)項目、技術(shù)博客、論文或開源項目