岗位职责
- 大模型工程架构与技术规划：负责大模型应用及相关工程体系的技术规划与架构设计，围绕模型训练、后训练、评测、Agent 及应用探索等方向，制定技术方案和演进路线。推动模型能力、工程框架和应用场景深度协同，建设可复用、可扩展的工程基础设施；
- 模型训练与后训练工程支持：与基模、应用算法及训练框架团队深度协作，支持模型训练、后训练、强化学习及评测等研发工作。围绕数据处理、训练任务编排、实验管理、模型调用、工具环境及自动化评测等环节，解决研发过程中的工程问题，提升模型实验效率、迭代速度和结果可复现性；
- Agent Harness 与 Runtime 建设：主导 Agent 工程框架与运行环境建设，围绕 Context Engineering、Memory、Tool / Skill、Sandbox、任务编排、状态管理、Checkpoint、长任务执行与恢复等关键能力，构建稳定、高效、可扩展的 Agent Harness。支持 Personal Agent、Team Agent、Research Agent 等方向的模型能力研究、训练与应用验证；
- AI 原生应用与端云协同探索：围绕 AI 对话、翻译、播客、多模态生成及 Agent 等场景，主导 AI 原生应用的技术架构与核心能力开发，支持 Web、移动端及桌面端等多种交付形态。探索端云协同、端侧模型推理、离线智能及多端 Context 共享，形成可复用的应用框架、组件和技术样板，推动模型能力在腾讯内外业务中落地；
- 工程效能与质量体系建设：建设覆盖研发、测试、部署、监控、评测与持续迭代的工程体系，推动 AI Coding、自动化测试、持续集成及研发工具链建设。建立模型应用与 Agent 系统的性能、稳定性、成本和任务成功率评估机制，持续提升工程交付效率与系统质量；
- 技术领导力与团队建设：负责关键技术方向的架构决策和技术攻坚，推动算法、训练框架、平台、客户端及服务端团队高效协作。参与核心工程人才的招聘、培养和技术梯队建设，鼓励技术创新、开源及研究成果沉淀，打造兼具模型理解、工程深度和产品意识的研发团队。
职位要求
- 技术背景与工程经验：计算机、软件工程、人工智能等相关专业本科及以上学历，硕士优先。具备 7 年以上软件研发经验，有复杂系统架构设计、AI Infra、机器学习工程、Agent 框架或 AI 应用研发经验，曾主导核心技术系统从 0 到 1 建设者优先；
- 扎实的系统架构与工程能力：精通 Python、Go、C++、Java、TypeScript 等至少一种主流开发语言，具备扎实的软件工程、系统设计和性能优化能力。熟悉分布式系统、异步任务调度、容器与沙箱、存储、网络通信及服务治理，能够独立完成复杂技术方案设计与核心模块开发；
- 大模型训练与推理工程理解：理解 Transformer、大模型训练与推理的基本原理，熟悉 SFT、RL、模型评测、数据处理及模型服务等技术链路。了解 PyTorch、主流训练与推理框架及相关工具生态，能够与算法和框架团队共同解决模型研发中的工程问题。有模型训练平台、强化学习训练环境或评测基础设施建设经验者优先；
- Agent Harness 与 AI 应用开发经验：深入理解大模型应用架构，熟悉 Agent Loop、Tool Calling、Context / Memory 管理、RAG、Skill、MCP、Sandbox、长任务执行及异常恢复等技术。具备 Agent 框架、Coding Agent、Research Agent 或复杂 AI 应用的实际研发经验，能够从模型能力和任务需求出发，做出合理的架构设计与工程取舍；
- 多端开发与端云协同能力：具备 Web、移动端或桌面端应用开发经验，理解跨端架构、状态管理、流式通信及客户端性能优化等关键问题。熟悉 Flutter、React Native、KMP、Kuikly 等跨端框架，或具备端侧模型推理、量化部署、端云协同经验者优先；
- 技术判断与团队领导力：具备较强的技术洞察、Owner 意识和复杂问题解决能力，能够在模型能力快速变化、技术路线尚不确定的环境中做出合理判断。具备跨算法、工程、产品团队的协作能力，能够推动技术方案从研究验证走向稳定交付。有技术团队管理、人才培养、开源项目或高质量技术研究成果者优先。
