小红书AI 全栈工程师 - 跨端架构
任职要求
【我们期待这样的你】 - 技术底盘与中台视野：3年以上跨端（RN/Flutter等）研发经验，深入理解底层架构与渲染原理，有 Native 模块或同类技术封装实践经验；对工具链、开发框架、基础组件有体系化建设经验，具备优秀的通用能力抽象与底层 API 设计思维； - 跨界融合能力：具备扎实的 Native (iOS/Android) 实践经验或 C/C++ 功底，熟悉客户端底层渲染机制、线程模型与跨语言通信； - 极致的优化者：拥有丰富的性能调…
工作职责
【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。
1、参与面向AI场景的框架的建设、参与前端框架、运行时、工程框架、开发者工具、平台的建设； 2、参与前端解决方案的设计，以满足AI应用框架智能化场景的需求； 3、参与设计架构清晰的Framework与API，打造具备良好开发体验的开发者工具； 4、参与技术选型和调研，提出专业合理的方案建议，并推动技术驱动产生更多业务价值； 5、帮助AI应用开发者提升效率和质量，持续引进最佳实践、探索和引入更佳的技术方案。
职位概述 我们正在寻找一位在前端技术和AI应用融合方面有深度实践的高级工程师。您将负责构建智能化的用户界面，将AI能力转化为优秀的用户体验，并在快速发展的技术环境中推动产品创新。 核心职责 主要职责 智能界面开发：设计并实现集成AI功能的前端应用，包括大语言模型交互、智能推荐、数据可视化等功能模块 技术架构设计：负责前端技术选型、架构设计和核心代码实现，确保系统的可扩展性和高性能 产品全流程参与：从需求分析到产品上线，深度参与产品开发的完整链路，包括技术方案设计、开发实现、测试优化 跨团队协作：与算法工程师、产品经理、设计师、后端工程师密切配合，确保AI功能的顺利落地 次要职责 技术分享与指导：参与团队技术分享，指导初级工程师，推动团队技术能力提升 基础设施建设：参与前端基础架构、组件库的建设和维护 技术调研：跟踪前端和AI领域的新技术趋势，评估新技术的应用可能性 任职要求 必备条件 技术经验：3年以上Web前端开发经验，熟练掌握HTML、CSS、JavaScript(ES6+) 技术栈：深入理解React/Hooks、TypeScript、Emotion等现代前端技术栈 问题解决能力：能够独立分析和解决复杂技术问题，在模糊需求下能够推动项目进展 协作能力：具备良好的沟通能力和团队协作精神 学习能力：对新技术保持好奇心，具备快速学习和适应能力 优先条件 全栈能力：具备Node.js或Python开发经验，能够理解前后端集成 大型项目经验：有复杂前端项目的架构设计和性能优化经验 AI技术了解：熟悉TensorFlow.js、ONNX.js等前端AI框架 数据可视化：有数据可视化或人机交互设计的实践经验 开源贡献：在开源社区有积极贡献或技术分享经验 我们提供 参与前沿AI产品的开发机会 与优秀团队成员共同成长的环境 创新的工作氛围 有竞争力的薪酬待遇和职业发展空间 工作环境 鼓励创新和挑战传统思维 快节奏的技术迭代环境 注重数据安全和用户隐私保护 支持技术学习和能力提升
1. 行业解决方案设计与交付 - 基于阿里云大模型技术（如通义千问），为银行、保险、证券等金融客户量身定制AI大模型解决方案，覆盖AI财富助手、智能客服、智能风控等核心场景。 - 深入理解客户业务痛点，提供从需求分析、技术选型到方案落地的全流程支持，确保大模型技术与金融业务深度融合。 2. 大模型全生命周期技术赋能 - 主导客户侧大模型后训练（Post-training）、领域微调（Domain-specific Fine-tuning）、模型蒸馏（Distillation）及多模态融合优化，提升模型在金融垂直场景的精度及性能。 - 优化大模型训练与推理性能，包括分布式训练加速（如DeepSpeed、Megatron-LM）、显存优化、量化压缩（INT8/FP16）及低延迟推理部署（如vLLM、SGLang）等。 3. 工程化落地与性能调优 - 解决金融场景高并发、高稳定性需求，设计高性能计算架构，优化模型在GPU/TPU集群的训练效率及端到端推理链路。 - 结合金融行业数据隐私与安全要求，设计符合监管的模型部署方案。 4. 客户技术赋能与生态共建 - 面向客户技术团队提供大模型技术培训、实战工作坊及POC验证，推动AI能力在客户内部的规模化应用。 - 沉淀金融行业大模型最佳实践，输出白皮书、案例研究及标准化解决方案，提升阿里云在金融AI领域的市场影响力。
1、负责共享出行或高德打车相关项目需求开发与迭代、性能优化、架构升级等工作； 2、负责业务线基础设施建设，如线上质量、性能的监控及分析； 3、参与前端工程化能力建设，推进技术在业务中落地； 4、负责疑难问题攻关，快速响应紧急问题或需求；