岗位职责
- 架构设计与技术主导：独立负责中大型项目的系统分析与架构设计，主导核心模块的方案选型与代码落地，确保业务需求高质量、可持续地交付。
- 大模型与 Agent 技术研发：深度参与大模型与 Agent 相关技术的研发与落地，覆盖意图理解、记忆机制、工具调用（Tool Use）、任务规划（Planning）、多智能体协同（Multi-Agent）等关键模块。
- AI 能力工程化落地：推动 AI 能力在交付与运维场景中的深度集成与创新应用，构建高性能、高可用、可扩展、开箱即用的工程体系。
- 技术影响力：制定团队技术规范与最佳实践，参与技术评审，培养并指导团队成员，持续提升团队整体技术水位。
职位要求
- AI-Native 思维（必备）：伴随 AI 时代成长，将 AI 视为思维方式与基础工具而非附加项；习惯用大模型 / Agent / Copilot 重构自己的工作流（写代码、查资料、做设计、跑实验），并能将这种思维范式带入团队与系统设计中。具备一定年限的实战经验，能输出"AI-Native"理念下的真实产出，而非仅停留在概念层。
- 模型能力地图（必备）：熟悉当前主流大模型（Claude / GPT / Gemini / DeepSeek / Qwen / Kimi 等）的能力特征与边界——知道哪个模型适合写代码、哪个适合长上下文、哪个适合 Agent 调度、哪个适合多模态；能根据任务特点和成本预算做出合理选型，而不是"无脑用一个模型打天下"。
- Agent 工程与 Harness 实战（必备）：熟悉业界主流 AI CLI / Coding Agent 工具链（如 Claude Code、Codex、Cursor、Aider、Continue、Cline 等），用过、对比过、踩过坑；对 Agent 架构玩法（ReAct、Plan-and-Execute、Reflection、Multi-Agent、Subagent、Memory、Context Engineering 等）和 Harness 设计（System Prompt 编排、Tool 定义、权限模型、Hook 机制、Skill 化封装、Loop 控制等）有深度理解与自己的方法论，能讲清楚"为什么这样设计 / 这样设计的代价是什么"。
- 后端基础：5 年以上后端开发经验，其中至少 2 年架构设计经验；精通 Java，熟悉 Node.js / Python 中至少一门，熟悉分布式系统设计、高并发处理与大数据处理链路。
- 架构能力：具备从 0 到 1 设计中大型业务系统的完整经验，熟悉微服务、消息中间件、缓存、存储选型，能在性能、稳定性、成本之间做出合理权衡。
- AI 研发经验：具备大模型 / Agent 相关领域的学习或研发经验，理解 RAG、Function Calling、Workflow、Multi-Agent 等核心范式；有规模化 AI 应用线上落地成果者优先。
- 工程素养：注重代码质量与系统可维护性，有良好的文档习惯与技术沉淀意识。
