岗位职责
本职位聚焦OpenClaw相关特定任务场景，围绕“小模型缺知识、大模型落地难”的核心痛点，负责大语言模型的部署优化、大小模型协同框架搭建、小模型蒸馏及Memory优化相关工作，助力JVSClaw打造业界领先的Agent系统，支撑商业化目标达成。 核心职责包括：
- 充分利用云电脑GPU资源（以5880为主），实现小型语言模型的高效部署，兼顾部署效率与模型精度；
- 设计并落地适用于协同推理的大小模型协同框架及小模型蒸馏框架，弥补小模型专业知识不足、大模型部署成本高、响应延迟高的短板；
- 针对大模型输入窗口限制，构建短时-中时-长时多级闭环记忆系统，开发OpenClaw专属Context Engine记忆调度引擎，解决模型记忆遗忘、检索低效、引用错误、跨会话丢失等核心痛点，打造高可靠、高易用的记忆交互体验；
- 跟进行业前沿技术，持续优化模型部署性能、协同推理效率及Memory管理机制，保障系统稳定运行。
职位要求
- 基本要求 - 本科及以上学历，计算机科学、人工智能、软件工程、电子信息等相关专业，1-3年及以上大模型部署、优化或相关领域工作经验； - 具备良好的沟通协调能力、问题解决能力和团队协作精神，对技术有强烈的探索欲，能快速跟进前沿技术并落地应用； - 责任心强，具备严谨的逻辑思维，能独立负责核心技术模块的设计、开发与优化，高效推进项目落地。
- 核心技能要求 - 熟悉大语言模型（LLM）的基本原理，有小模型蒸馏、大小模型协同推理相关经验，熟悉Harness相关知识并能灵活研发使用； - 掌握Memory优化相关技术，有模型记忆系统、上下文管理引擎开发经验，能解决模型记忆遗忘、跨会话丢失等痛点，熟悉多级记忆系统的设计与实现； - 熟练掌握Python、C++等编程语言，熟悉PyTorch、TensorFlow等深度学习框架，了解ONNX、TensorRT等推理优化工具； - 了解OpenClaw或类OpenClaw平台的应用场景，有Agent系统相关开发或优化经验者优先。
- 加分项 - 有大模型输入窗口扩展、Context Engine调度引擎开发相关经验； - 有顶会论文发表和比赛经验者优先； - 参与过大模型商业化项目，了解Agent系统的商业化落地逻辑与需求。
