小红书AI Agent 全栈工程师-点点
任职要求
1、全栈开发基础与意愿： 具备全栈开发意愿或者具备实操经验，精通至少一门后端语言（Java / Go 等），或熟悉 React / Vue 任一现代前端框架，或具备深厚的移动端（iOS / Android）架构调优经验。 2、Agent 架构经验及认知： 深入理解 LLM 的工作原理与能力边界，具备构建复杂 Agent 系统或长程任务流的实战经验；熟悉任务拆解、上下文增强与中间态管理。 3、高可用与高并发架构建设： 具备高并发长连接系统、微服务架构的开发经验；对分布式系统稳定性治理、Trace 链路追踪、容灾降级架构有清晰的解法与落地经验，能独立解决复杂系统的工程瓶颈。 4、资深 AI 产品用户： 对 AI 产品抱有浓厚兴趣，深度且高频地使用过 ChatGPT、Claude、Gemini、Kimi 等主流大模型，以…
工作职责
1、端到端功能建设及交付：参与点点（Dots）AI 对话应用的全栈功能研发，熟练借助 AI 编程工具（如 Claude Code、Cursor、Codex 等）实现人机协同编程，独立完成完整功能模块的端到端（Client-Server-AI）架构设计与高质量交付。 2、Agent 系统与工作流建设：参与构建连接大模型与业务场景的 Agent 系统，设计并落地多步推理（Multi-step Reasoning）、动态 Workflow 编排、多模型路由、多样 Tool Calling 、 DeepResearch 等核心机制。 3、服务端与高并发对话系统研发：参与 AI 对话产品服务端核心架构设计，构建支撑千万级并发的流式消息分发与路由系统（基于 SSE / WebSocket / gRPC 等协议）；推进微服务系统容量规划、全链路追踪（Trace）与性能瓶颈调优。 4、大前端与跨端交互体验攻坚：具备跨端视野，深度参与大前端（iOS / Android / Web / RN）核心模块开发，攻坚富文本与复杂卡片渲染、多模态交互（音视频 / 图像）、复杂动画及极致的客户端性能治理（启动、内存、卡顿与流畅度）。 5、全链路高可用保障：针对复杂 AI 任务的不确定性与不可靠性，设计并实现健壮的工程兜底机制，构建高可用的服务架构，涵盖中间状态存储与恢复（Memory/State Management）、长链路容错、智能重试与降级，支撑核心场景的工业级稳定性。
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。