logo of didi

滴滴AI研发效能产品专家(JR2026030401G)

社招全职5年以上技术地点:北京状态:招聘

任职要求


1. 经验与背景:本科及以上学历,5年以上B端/开发者工具(ToD)产品经理经验,有主导过千万级代码量级企业的研发效能平台或DevOps工具链产品规划经验者优先;
2. AI与技术视野:对大语言模型(LLM)在代码生成、智能问答、自动化测试等领域的应用有深刻理解;熟悉业界主流的AI辅助编程产品及其背后的技术逻辑;…
登录查看完整任职要求
微信扫码,1秒登录

工作职责


1. AI研发提效产品规划与演进:负责AI研发提效产品的全生命周期管理。制定产品Roadmap,提升研发人员效率;
2. 传统工具链的AI赋能:深入分析现有DevOps工具链的痛点,将AI能力无缝融入传统研发场景;
3. 下一代AI-Native工具链设计:探索Agentic Workflow等前沿AI技术在软件工程中的应用,设计下一代AI原生的研发工具链;
4. 产品化与规模化落地:坚持“产品化”思维,推动AI工具在公司内部的规模化落地。
包括英文材料
学历+
DevOps+
还有更多 •••
相关职位

logo of xiaohongshu
实习体验设计

关于这个团队:我们在做小红书内部的 AI Coding 研发工具链,目标是让 AI 从"辅助工具"升级为"独立交付者"。在这里,你会和产品一起定义这个产品长什么样。有产品带你理解业务、对齐节奏,你负责把体验和审美这一块立起来。如果你想做一款真正有人用的 AI 产品,又不想只在成熟规范里画图,这里有足够大的空间。 工作职责 1、参与研发效能 AI 工具产品的体验设计,包含界面视觉、交互细节等设计产出与落地跟进; 2、支持 AI 研发工具的创新探索,参与概念讨论、设计产物交付、设计 Demo / 原型搭建; 3、与产品、研发团队紧密协作,理解研发场景需求,把设计真正落地到产品中,保证还原品质; 4、保持好奇心和热情,关注设计趋势和 AI 工具发展,主动尝试新方法,推动设计在 AI 研发场景里的创新。

更新于 2026-06-08北京
logo of alibaba
实习阿里巴巴2027

Qteam 是阿里云旗下的 AI 编码产品团队,正在打造涵盖 AI IDE、AI 编码插件、AI Coding CLI 在内的下一代智能开发工具矩阵。我们相信 AI 将从根本上重塑开发者的编程方式——从代码补全到自主编程 Agent,从单点辅助到全流程智能化。在快速演进的产品矩阵背后,多平台交付复杂度、AI 功能非确定性质量验证、AI 安全攻击面防护、推理成本管理等工程化挑战亟待突破。我们的目标是构建一套 AI 原生的智能研发交付体系——让 AI 来保障 AI 产品的交付质量、安全与效率。你将能够参与: 1.智能构建编排: 基于 LLM 构建智能 DevOps Agent,实现自然语言驱动的多平台流水线生成、构建失败自动根因分析与修复建议,将配置驱动的 CI/CD 升级为意图驱动的智能编排; 2.AI 功能持续验证: 构建 ML 驱动的持续验证引擎,自动学习 AI 功能行为基线,实时检测异常偏移,支持智能灰度分析与自动回滚; 3.安全编排与韧性工程: 将 AI 安全扫描左移至流水线,构建混沌工程韧性测试框架与 SLI/SLO 驱动的服务可靠性管理; 4.成本管理与效能洞察: 构建 AI 推理成本细粒度归因与工程效能智能分析平台,自动识别瓶颈并生成优化建议。

更新于 2026-05-22杭州
logo of xiaohongshu
实习前端开发

我们致力于利用大模型(LLM)重塑程序员的开发体验。你将参与到 AI 编程助手、智能代码分析及 Agent 系统的开发与优化中,将前沿的 AI 技术转化为实用的生产力工具。 你将参与的工作: 1. AI 功能开发: 协助开发基于大模型的智能代码补全、注释生成、代码修复等功能。 2. RAG 工程优化: 参与维护代码知识库,协助优化 RAG(检索增强生成)流程,提升代码召回的准确度。 3. 评测与数据: 参与构建 AI 编程的效果评测集,通过对模型输出的评估,协助调优 Prompt(提示词)和工作流。 4. 前沿工具探索: 调研并试用业内主流 AI 编程工具(如 Cursor, Github Copilot, Claude Code 等),参与团队 Agent 插件的迭代。

更新于 2026-01-26杭州
logo of bilibili
社招1年以上技术类

1. 负责推搜场景下的AI应用研发,将大模型能力落地到策略迭代、内容理解等核心链路,覆盖RAG、Agent、Function Calling等方向; 2. 作为团队AI Coding的先行者,深度探索并落地AI辅助编程工具(Cursor、GitHub Copilot等)在业务开发、代码重构、数据处理等场景的应用,总结并推广可复用的实战方法论; 3. 负责推搜业务场景下大模型所需的数据开发工作,包括SFT/偏好数据的构建、清洗与质量评估,搭建可复用的数据处理Pipeline,支撑模型微调与效果迭代; 4. 利用大模型能力提升数据处理效率,探索LLM辅助数据标注、数据增强、质量筛选等自动化方案,推动数据飞轮的建立; 5. 主导制定AI应用与数据工程的开发规范,通过Code Review和技术分享提升团队工程素养,推动团队向"工业级AI应用"演进。

更新于 2026-03-23上海