汽车之家AI应用产品经理
任职要求
岗位要求 一、硬性条件 1. 3年以上AI产品经验，主导过Agent类产品（如智能客服、虚拟助手、自动化流程引擎）的完整交付闭环，有汽车、金融、电商等高复杂度场景落地案例优先。 2. 精通Agent技术栈：熟悉大模型（LLM）应用架构（如CoT思维链、RAG增强检索）、多模态交互技术（语音/文本/图像融合决策）、自动化任务流引擎（如AutoGPT、LangChain）。 3. 具备工程化攻坚能力：主导过算法性能优化（如ASR端到端延迟<200ms、意图识别准确率>95%）、高并发系统设计（日调用量超百万级）等技术硬仗。 二、核心能力 1. 技术穿透力：能…
工作职责
工作职责 一、Agent产品战略与交付闭环 1. 负责基于汽车垂域大模型（仓颉）的Agent产品规划与全生命周期管理，主导智能体（Agent）在汽车之家线上用户场景看买用换场景交付、以及线下新零售店端及经销商门店的营销等场景的端到端交付。 2. 定义Agent产品的核心能力框架（如多模态意图理解、动态决策推理、自动化任务执行），推动下游算法组件层（对话系统、AIGC、TTS/ASR）的技术需求落地，确保能力对齐与性能达标。 二、技术架构设计与性能攻坚 1. 设计高鲁棒性的Agent技术架构，整合大模型能力与垂域算法组件（如对话引擎、语音合成、内容生成），解决复杂场景下的延迟、并发、多模态融合等技术硬伤。 2. 主导Agent核心技术指标优化（如任务完成率、交互满意度、端到端响应时间），建立算法组件性能与Agent体验的量化映射模型，推动技术迭代。 三、跨域协同与资源整合 1. 深度联动大模型团队、算法组件团队、业务侧，主导需求拆解与资源排期，确保Agent产品从原型验证到规模化交付的链路通畅。 2. 建立Agent能力评估体系，设计AB实验、用户反馈埋点等机制，验证技术方案在真实场景的有效性（如销售人力提效率等）。 四、商业化落地 1. 主导AI场景的需求分析、技术方案评审、研发进度把控，确保Agent产品高质量交付。 2. 探索Agent产品的商业化模式（线下新媒体营销场景），推动在经销商服务、新零售门店、二手车等场景的规模化复制。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。