岗位职责
- 构建核心推理代工平台：负责支持Hugging Face全量模型的自动化接入与分发，利用性能模拟器与动态库存匹配技术，实现高效的延迟与吞吐优化；
- 研发Agent基础设施：设计并实现云端存储与状态机系统，支持智能体任务的断点回滚、时间回溯调试及KV Cache的高效管理；
- 开发AI开发者工具栈：建设智能体可观测性系统，通过全链路Tracing展示Agent决策树，帮助用户识别冗余交互并自动提取高质量对话轨迹用于模型微调；
- 打造混合工具运行时：设计SDK实现本地工具与云端工具（如S和box、Search、Browser）的无缝集成，支持MCP等协议转换，兼容主流Agent框架（如LangGraph、AutoGen、Dify）；
- 前沿推理加速落地：在代工平台上部署自动推测解码、结构化输出、自动量化与OPD等高端推理能力。
职位要求
- 扎实的基础功底：精通Python及C/C++，熟悉Linux环境及分布式系统设计；
- 深厚的推理/模型背景：深入理解大模型推理机制，熟悉vLLM，TensorRT-LLM或类似的推理引擎，对Transformer架构有深入研究；
- 工程与架构能力：具备后端系统开发经验，熟悉高并发、高性能存储（如Redis，PostgreSQL，Vector Database）的应用；
- 敏锐的技术视野：对Agent生态有热情，熟悉至少一种Agent开发框架（如LangGraph，AutoGen，CrewAI或Dify）；
- 较强的自驱力：能在快速演进的AI浪潮中保持学习，具备独立解决复杂工程问题的能力。 加分项
- 架构级优化经验：有推测解码、PagedAttention或软硬件联合设计经验者优先；
- 协议与标准贡献：熟悉OpenAI Assistants API架构，或对MCP等Agent通讯协议有研究；
- 全栈/SDK经验：有面向开发者的SDK开发经验，能够从用户视角优化AI产品的易用性；
- 算法理解力：能使用数学工具分析RLHF或Agent调优中的优化算法。
