我们正在寻找一位 全栈工程师，参与核心 AI Agent 产品从架构设计、能力建设到生产落地的完整过程。你将参与 Web 产品、API 服务、Agent 编排系统、后台任务系统、数据层和部署流程等多个环节，和团队一起构建面向真实生产环境的 AI Agent 产品。 你将深度参与 AI Agent 系统的工程化建设，包括 Agent Loop、工具调用、任务编排、多步骤执行、上下文管理、模型路由、异步任务处理、结果持久化、错误恢复、日志追踪与系统可观测性等关键模块。这个岗位不是简单调用大模型 API，而是需要将 LLM 能力、业务流程、前后端系统和用户体验结合起来，构建可稳定运行、可持续扩展的生产级 Agent 产品。 在这个角色中，你需要理解 Agent 如何接收用户目标、拆解任务、选择工具、执行动作、处理中间状态、根据反馈继续推理，并最终产出可靠结果。你也需要关注 Agent 执行过程中的实际工程问题，例如任务超时、工具失败、重试策略、状态一致性、成本控制、并发执行、队列调度、数据追踪以及生成结果的可复现性。 你会和产品、设计、前端、后端和基础设施团队紧密协作，把 AI 能力落到真实的产品体验中。我们希望你既能理解前端产品形态和用户交互，也能深入后端服务、数据模型、任务队列和 Agent 编排系统，帮助团队搭建长期可维护、可扩展、可观测的 AI Agent 工程体系。
数据平台工具链开发工程师 广州 全职 通用智能板块 职位描述 1、团队管理与梯队建设：负责自动驾驶数据采集与标注工具系统研发团队的日常管理；建立并完善敏捷研发机制，培养核心技术骨干，构建高效运转的团队网络；2、技术架构与技术规划：主导数据生产系统（含前端高精度点云/3D重建标注工具及后端高并发数据流转平台）的整体架构设计与技术演进，确保系统的高可靠性、可扩展性及优异的用户体验；3、业务闭环与效能提升：深入理解自动驾驶VLA大模型时代的数据挖掘与训练需求，主导“流水线标注系统”等创新工具链的落地，通过系统化、自动化手段大幅降低培训与标注成本，提升数据交付质量与吞吐量；4、资源统筹与项目攻坚：面对海量数据和并行激增的业务需求，统筹协调资源分配，通过PDCA和OKR体系进行战略对齐与矩阵式管理，打破资源壁垒，保障核心高优项目的按时高质量交付；5、数据驱动与基建：推动数据闭环（Data Infra）平台建设，建立科学的业务监控与研发效能指标大盘，以数据洞察驱动平台系统的持续优化。 职位要求 1、学历与背景：本科及以上学历，计算机科学、软件工程或相关专业；2、经验要求：具有 5 年以上软件研发经验，及至少 2-3 年以上带班（10-30人规模）管理经验，具备技术系统从0到1及从1到N的演进推盘能力；3、技术功底深厚：深入理解前后端全栈技术架构，熟悉 Python（FastAPI/Flask）或 Node.js(Koa) / Go / Java 等至少一种后端技术栈，了解高并发微服务设计；4、熟悉前端工程化体系及可视化渲染技术（如 React、Three.js、Canvas 2D 等）；5、熟悉云原生架构（Kubernetes、Docker）及 CI/CD 流程；熟悉 MongoDB、Redis、PostgreSQL 等数据库技术及海量数据存储治理；6、管理与心力：具备出色的全局观、系统化思维和抗压能力（心力强）；能够完成从“个人技术攻坚”到“系统设计者与团队放大器”的角色转换，熟练应用敏捷开发管理工具；7、沟通与协作：具备极强的跨部门沟通能力与横向拉通能力，能够与算法、数据运营及产品团队高效协作。加分项：1、深入了解自动驾驶数据闭环生态，具备 L2-L4 自动驾驶数据采集、标注工具链或数据挖掘系统研发及管理经验者优先；2、主导过超大规模数据流处理引擎或复杂 3D 点云标注系统（如包含多传感器融合、SLAM等场景）开发落地者优先；3、熟悉大模型辅助标注（Auto-labeling）、大模型端到端链路及 Data Infra 底层建设经验者优先。 投递...
技术平台开发工程师—CQ计划 上海 工程类 本科及以上 1-3 年 职位描述 CQ计划是上海创智学院面向新一轮科研范式变革，以内生性创新驱动的科研基础设施建设工程，目标是系统性构建一个可持续运行、可扩展演化的科研智能基础设施与运行体系。其核心在于推动科研从“以人和经验为中心的手工模式”，迈向“以模型、系统和自动化为核心的智能化模式”，从而重塑科学问题提出、知识生成与成果转化的全过程。在战略层面，CQ计划定位为底座性、长期性工程，其价值不在于短期论文或项目数量，而在于是否能够形成一套可复制、可推广的科研智能运行范式，为更大尺度的高校体系、城市层面乃至国家层面的科研智能建设提供可验证样本。参与技术平台的建设、开发、运维和持续优化，围绕平台数据工厂、模型服务及基础设施接入，完成平台功能实现、系统保障和工程化落地。在满足通用任务的前提上有所擅长。通用职责：- 参与科研驾驶舱、数据工厂、模型服务等核心系统的设计、开发、测试、上线与维护。- 根据平台建设规划，完成相关模块的功能开发、接口联调、问题修复和性能优化。- 与产品、科研等角色协同，支撑重点任务快速交付和持续迭代。- 参与系统稳定性建设，保障平台可用性、可靠性、安全性和扩展性。擅长前端：- 负责平台管理端、展示端的前端开发与交互实现。- 与后端、算法、产品协作，完成接口对接、状态管理、页面性能优化和体验提升。- 负责前端工程化建设，包括组件沉淀、规范制定、打包部署、权限控制与监控埋点。- 参与平台可视化能力建设，支撑科研过程、数据资产和任务指标的统一展示。擅长后端：- 负责数据工厂、模型服务平台等后端系统的设计、开发和维护。- 负责数据接入、任务编排、权限控制、服务治理、接口设计和存储管理等核心能力建设。- 支撑模型训练、推理部署、服务封装和业务接入，提升平台复用性和服务效率。- 负责数据库设计、缓存机制、消息队列、日志链路和性能优化。- 参与平台 API 规范、服务治理、可观测性和安全控制体系建设。 职位要求 通用要求：- 计算机、软件工程、网络工程、人工智能等相关专业本科及以上学历。- 具备扎实的编程基础和良好的编码习惯，具有软件工程化思维，熟悉 Git 及团队协作开发流程。- 熟悉前后端分离架构，理解 RESTful API 设计规范，具备良好的代码规范意识与系统设计能力。- 具备较强的学习能力和问题分析能力，良好的沟通协作意识，能够独立分析并解决技术问题。- 熟悉 AI
我们正在寻找一位 全栈工程师，参与核心 AI Agent 产品从架构设计、能力建设到生产落地的完整过程。你将参与 Web 产品、API 服务、Agent 编排系统、后台任务系统、数据层和部署流程等多个环节，和团队一起构建面向真实生产环境的 AI Agent 产品。 你将深度参与 AI Agent 系统的工程化建设，包括 Agent Loop、工具调用、任务编排、多步骤执行、上下文管理、模型路由、异步任务处理、结果持久化、错误恢复、日志追踪与系统可观测性等关键模块。这个岗位不是简单调用大模型 API，而是需要将 LLM 能力、业务流程、前后端系统和用户体验结合起来，构建可稳定运行、可持续扩展的生产级 Agent 产品。 在这个角色中，你需要理解 Agent 如何接收用户目标、拆解任务、选择工具、执行动作、处理中间状态、根据反馈继续推理，并最终产出可靠结果。你也需要关注 Agent 执行过程中的实际工程问题，例如任务超时、工具失败、重试策略、状态一致性、成本控制、并发执行、队列调度、数据追踪以及生成结果的可复现性。 你会和产品、设计、前端、后端和基础设施团队紧密协作，把 AI 能力落到真实的产品体验中。我们希望你既能理解前端产品形态和用户交互，也能深入后端服务、数据模型、任务队列和 Agent 编排系统，帮助团队搭建长期可维护、可扩展、可观测的 AI Agent 工程体系。