岗位职责
- 参与基于 Agent 模式的智能代码补全系统设计与开发，实现从被动补全到主动预测的范式升级；
- 研发上下文工程相关能力，包括代码语义理解、编辑意图识别、跨文件依赖分析等核心模块；
- 参与 Prompt Engineering 与 Agent 工作流设计，探索 LLM 在代码补全场景的最佳实践；
- 参与模型推理服务的性能优化工作，包括推理延迟优化、模型量化、推测解码（Speculative Decoding）等技术探索，确保补全响应的实时性；
- 协助构建评测体系，设计补全效果的量化指标与 A/B 测试方案。
职位要求
- 计算机科学、软件工程、人工智能等相关专业；
- 熟练掌握 Python、Java、Go 或 TypeScript 中至少一门语言，具备良好的编码习惯；
- 了解大语言模型（LLM）基本原理，有 Prompt Engineering 或 RAG 相关实践经验者优先；
- 熟悉至少一种推理框架框架（vllm/sgLang），了解相关的架构原理；
- 对 Agent 系统、Function Calling、ReAct 等技术有一定了解者优先；
- 有 IDE 插件开发经验（VS Code/JetBrains）或编译原理、AST 解析相关经验者加分；
- 是 AI Coding 工具（Qoder/通义灵码/Cursor 等）的活跃用户，对智能编程有浓厚兴趣。
