有赞AI Native全栈工程师
任职要求
任职要求 - 计算机/数学/电子工程等相关专业本科及以上学历 - 熟练掌握至少一种主流编程语言（Java、JavaScript、Python等） - 具备扎实的计算机基础知识，包括数据结构、算法、操作系统、网络等 - 对AI技术有浓厚兴趣，有实际项目经验或参与过AI相关实践活动 - 了解基本的软件工程实践，如版本控制、测试、CI/CD等 - 具备良好的学习能力、沟通能力和团队协作精神 加分项 - 熟悉机器学习基础理论和常用算法，了解深度学习框架（如TensorF…
工作职责
工作职责 有赞 AI 使能团队正在打造 AI Native 产品，让它成为帮助客户更高效经营的AI Agent。为此，我们希望寻找若干热衷探索AI应用的全栈工程师。 我们相信在AI时代，产品、算法、工程的伙伴应该像创业小组一样聚集在一起，不设边界，做大量朴素的探索，这意味着： 强悍的学习能力，通过精读论文和不断尝试新技术、新框架，拓展技术视野； 思维开放、热爱动手尝试，能够自主实现端到端的项目Demo 落地； 积极乐观，在探索过程中不怕受挫，持续升级对AI技术能力和边界的认知，能预判技术对业务的潜在影响； 岗位职责 全栈开发与AI集成 - 设计实现高可用、可扩展的Agent工程架构 - 探索LLM、Agent、RL等前沿技术并深入业务，推动落地应用 任职资格 任职要求 - 计算机/数学/电子工程等相关专业本科及以上学历 - 熟练掌握至少一种主流编程语言（Java、JavaScript、Python等） - 具备扎实的计算机基础知识，包括数据结构、算法、操作系统、网络等 - 对AI技术有浓厚兴趣，有实际项目经验或参与过AI相关实践活动 - 了解基本的软件工程实践，如版本控制、测试、CI/CD等 - 具备良好的学习能力、沟通能力和团队协作精神 加分项 - 熟悉机器学习基础理论和常用算法，了解大语言模型原理 - 具备产品思维，能理解业务需求并转化为技术方案 成长建议 - 持续关注AI领域的最新技术发展，积极参与技术社区和学习交流 - 在实践中不断提升编程能力和系统设计能力，尝试解决复杂的工程问题 - 培养产品思维，思考如何将AI技术转化为有价值的产品功能 - 参与开源项目或自主开发AI应用，积累实战经验 - 学习跨学科知识，如产品设计、用户体验、业务领域知识等，提升综合解决问题的能力 - 保持技术好奇心，不断尝试新技术、新框架，拓展技术视野
【团队介绍】 我们是小红书前端的核心中台团队，支撑社区、电商、商业化等全平台业务，致力于为全公司打造最强的跨端“技术弹药库”。 🚀 新挑战：拥抱 AI Native。面对业务的高速爆发，我们正在组建全新精锐力量，重构下一代跨端研发框架、底层容器、工具链与组件生态，支撑大模型带来的组织演进 🌱 高成长：无职级，不设限。公司推行全面扁平化管理，拆除科层制天花板。只要你有破局能力，我们提供充分的试错空间，让你的基建成果直接提升全线的战斗力，实现个人职业生涯的“指数级加速”。 【你的角色与挑战】 - 打造中台技术底座：立足中台视角，主导小红书跨端（RN等）基建体系的演进。为内部开发者提供开箱即用、稳定高效的研发调试工具链、底层运行时容器与高质量的核心组件物料； - 探索 AI Native 研发范式：不只是“使用”AI，而是利用大模型重构跨端研发链路。在代码智能生成、智能调试、物料自动化生产等场景落地创新方案，大幅度降低开发门槛，打造下一代极客开发体验（DX）； - 攻克性能极限：在千万级 DAU 极其复杂的业务场景下，深挖内存、首屏渲染、滑动等性能瓶颈，从底层提供超越行业常规的极致优化方案，让业务跑得更稳、更快； - 引领技术视野：紧跟前沿社区动态，深入理解业务开发者的核心痛点，探索并定义小红书下一代跨端与大前端中台架构。
【团队介绍】 我们是小红书前端架构团队，作为支撑全公司（社区、电商、商业化、直播等）前端业务的底层技术基石，致力于打造高效、优雅的研发工具链与基础设施。 🚀 新挑战：全面拥抱 AI-Native。 研发模式正在经历范式转移，我们正面向 AI-Friendly 的基础架构进行核心产品重构。这不仅是工具的升级，更是对下一代大前端研发体验的重新定义。 🌱 高成长：扁平、务实、高杠杆。 小红书全面推行扁平化管理，取消职级限制，让能力和产出成为唯一的通行证。在这里，你的每一行基建代码、每一次架构调优，都将直接影响数千名工程师的“研发幸福感”与业务迭代速度。我们提供充足的探索空间，让高潜同学在技术深度与业务影响力的双轨上实现加速成长。 - 重构极致的研发基建： 结合业界前沿技术与小红书业务体量，设计并落地极速的前端 CI/CD 系统与工具链。通过对构建编译（Rspack/Vite等）的极致性能压榨、灵活的流水线编排，企业级的质量风险控制，实现质量与效率的最佳平衡，为 AI Agent 提供稳定、明确、可调用的底层研发环境； - 定义 AI-Friendly 的工程架构： 定义工程架构与研发流程规范，提供服务机制能力，实现大前端研发 harness 约束与能力调用，实现 Agent 研发模式的推进建设；同时借助 AI 能力，实现在自动化排障、归因分析、代码生成、质量检查 Review 等场景的增强； - 技术赋能与业务破局： 协同内外部团队攻克技术深水区，用极客精神追根溯源，将技术突破转化为可度量的业务收益，打造业界一流的技术实现。
我们正在构建面向未来的 AI Native 基础设施——让大模型、智能体（Agent）与多模态能力真正运行在亿级用户的设备上，实现"听得懂、看得清、做得对"的智能出行体验。你将参与定义下一代人机交互形态：AI 不仅能理解用户模糊的自然语言，还能结合地图、图像、语音、位置等多维信号，在设备端安全、高效地完成复杂任务。 我们关注生成式 UI（Generative UI）、多模态交互、多模态通信等前沿方向，探索如何让智能体真正"看懂界面、操作服务、闭环交付"。 加入我们，你将参与： 1. AI 能力集成：构建和迭代 AI Agent 工作流（Workflow）与开发平台，沉淀通用能力，让 AI 创新的速度更快。 2. 智能体与系统协同：构建智能体协同机制，支持生成式 UI（如 A2UI）能力的安全执行、用户授权与操作回放- 赋能"一句话完成复杂任务"等场景，实现端到端的自动化任务执行 3. 多模态交互系统：实现端侧多模态交互与通信能力，高效处理语音、图像、轨迹、传感器等异构信号，优化端云协同的数据通路，平衡延迟、带宽与用户体验 4. AI 资源调度与性能优化：构建统一的端侧 AI 资源调度系统，管理模型加载、缓存、权限与资源隔离，保障稳定性与隐私合规 5. 技术前沿探索：持续追踪端侧 AI 技术演进
1、负责AI原生应用的全栈开发，包括对话/Agent交互界面、后端服务架构、数据建模与持久化方案设计； 2、设计与构建Agent系统，涵盖多Agent协作、工具调用（MCP/Function Calling）、长期记忆管理、Context Engineering及自主规划与执行； 3、设计规模化的外部数据接入方案——包括MCP数据源集成、实时API编排、结构化数据查询、知识图谱、向量检索等，让Agent能可靠地获取和利用外部世界的信息； 4、建设AI应用的质量与安全基础设施——评测体系（Eval）、可观测性（Tracing/Logging）、安全护栏（Guardrail）、运行时行为约束与纠偏（Harness），构建持续迭代闭环； 5、设计与实现API智能路由——将长程复杂任务拆解为子任务，根据任务特征（复杂度、模态、延迟要求等）动态选择最合适的模型，在质量、效率和成本之间取得最优平衡； 6、紧跟基础模型能力演进，将新能力（长上下文、原生工具调用、模型推理等）快速转化为产品特性。