岗位职责
- 深入研究 AI Coding 场景下的上下文工程，设计并优化代码补全、对话式编程、代码审查等场景中的上下文构建策略，在提升模型输出质量的同时有效控制推理成本
- 设计和搭建面向产品效果与推理成本的评测框架与基准体系，涵盖白盒测试与多维度指标覆盖（代码补全准确率、上下文召回质量、Agent 任务完成率等），推动评测自动化与持续集成式质量监控
- 基于海量用户使用数据（补全接受率、编辑行为、会话模式等），进行深度分析与洞察挖掘，量化上下文策略对产品效果和成本的影响，驱动迭代方向
- 设计并执行 A/B 实验方案，评估上下文策略与功能迭代的实际收益，提供数据驱动的优化建议
职位要求
- 计算机科学、软件工程、人工智能、数据科学或相关专业本科及以上学历，硕士/博士优先
- 5 年以上相关工作经验，有 AI/NLP/代码智能领域的项目经验者优先
- 扎实的编程能力（Python 为主，熟悉 TypeScript/Go 等加分），熟练掌握至少一种深度学习框架（PyTorch/TensorFlow）
- 熟悉 LLM 的 Prompt Engineering、RAG 技术栈、向量检索、代码 AST 分析等至少两个方向
- 具备优秀的数据分析能力，熟练使用 SQL，有使用 Pandas/Spark 等工具处理大规模数据的经验
- 有独立设计评测体系或基准测试的经验，理解指标设计的科学性和工程可行性
- 良好的沟通协作能力，能够将技术分析结果清晰传递给不同角色的团队成员
