岗位定位

· 该岗位面向AI 产品与智能系统的后端工程化建设，

· 负责将算法模型与大模型能力稳定、高效地运行在后端系统中，

· 支撑 AI 能力在真实业务场景中的高并发调用、持续迭代与规模化落地。

· 岗位关注的不仅是传统后端服务开发，

· 而是AI 模型服务化、推理链路、数据处理流水线与系统稳定性的整体工程能力，

· 需要在后端架构设计、AI 工程化与分布式系统之间建立有效连接。

· 该角色为AI 研发体系中的核心工程岗位，

· 在系统复杂度、跨团队协作与工程可靠性要求上，

· 显著高于纯业务型后端或单一模型调用集成角色。

· 参与 AI 产品与智能系统的后端架构设计与开发，支撑 AI 算法、大模型及数据服务的稳定运行

· 负责 AI 能力的工程化落地，包括模型服务化、推理接口、特征服务、数据处理流水线等

· 与算法、产品、前端团队协作，将 AI 能力（如 NLP、CV、推荐、预测、大模型能力）集成到业务系统中

· 设计和实现高并发、高可用、可扩展的后端服务，保障 AI 服务的性能与稳定性

· 参与模型训练、推理、评估相关的工程支持工作（如模型部署、版本管理、A/B 测试）

· 负责 AI 服务的监控、日志、异常处理及性能优化

· 持续优化系统架构，提升 AI 系统的可维护性、可观测性与安全性

· 本科及以上学历，计算机科学、软件工程、人工智能等相关专业

· 扎实的后端开发基础，熟练掌握至少一门主流后端语言：

o Java / Python / Go / C++（至少一门精通）

· 熟悉常见后端框架与技术栈：

o Spring Boot / FastAPI / Django / Gin 等

· 熟悉常用数据库与中间件：

o 数据库：MySQL / PostgreSQL / Redis / MongoDB

o 消息队列：Kafka / RabbitMQ / RocketMQ

· 具备良好的系统设计能力，理解分布式系统、微服务架构、缓存、负载均衡等

· 对人工智能有较强兴趣，理解基本 AI / 机器学习 / 深度学习概念

· 熟悉至少一种 AI 框架或生态：

o PyTorch / TensorFlow / Hugging Face / ONNX 等

· 具备 AI 模型服务化经验，如：

o 模型推理 API

o 大模型调用（LLM API）

o 推理性能优化（Batch、异步、缓存）

· 熟悉 AI 数据处理流程，包括数据清洗、特征工程、数据管道等

· 理解 AI 系统在生产环境中的关键问题，如性能、成本、稳定性与安全

· 有大模型（LLM）相关经验，如 RAG、Agent、Prompt Engineering、模型微调等

· 有 AI 平台或 AI 中台建设经验（模型管理、特征平台、实验平台）

· 熟悉云原生技术：Docker、Kubernetes、CI/CD

· 有高并发、大规模数据处理或实时系统经验

· 参与过 AI 相关项目、技术博客、论文或开源项目