小红书AI平台资深技术专家

1.系统设计与研发： 负责设计、实现并运维支撑智能运维智能体平台的大规模、高可用分布式系统，处理PB级的实时日志&监控等数据； 2.核心功能开发： 端到端地负责AI Agent核心功能的研发，包括异常检测、根因分析、任务规划（Planning）及智能修复建议等模块，将前沿概念转化为可靠的线上服务； 3.算法工程化落地： 与算法科学家紧密合作，负责将前沿的大语言模型（LLM）及其他机器学习模型产品化，构建高效的数据处理管道、模型推理服务与反馈闭环； 4.技术战略与卓越工程： 参与制定团队的技术路线图，驱动软件工程、系统架构与运维卓越的最佳实践，持续提升系统的扩展性与鲁棒性； 5.技术攻坚与指导： 解决系统中最具挑战性的技术难题，并乐于指导团队其他工程师，共同营造追求技术卓越的工程师文化。

搜索正迈向大模型驱动、多模态融合、自主任务执行的新范式。团队专注LLM/VLM与经典搜索内核、分布式引擎的深度融合，打造面向C端海量用户与B端政企客户的下一代智能搜索及对话式Agent产品。 1. AI Search与Agent核心架构及算法：制定AI Search与企业Agent中长期技术战略。主导传统搜索向AI原生架构的融合重构，全链路设计Query理解、多模态召回、精排、生成式答案与Agent编排。推进长文本/多模态检索与RAG体系优化，突破意图拆解、长上下文管理、工具调用与多步规划，建立知识连接器与安全护栏。 2. 底层引擎攻坚与AI系统基建：攻坚底层存储与分布式检索引擎，优化内核、索引结构与向量存储。通过存算分离、冷热分层、集群调度等手段，系统性解决延迟、成本与高并发稳定性问题。打通数据治理、向量嵌入、模型实验到灰度发布的标准化闭环，保障高吞吐与低成本。 3. 数据飞轮、模型训练与评测体系：构建“数据飞轮—场景微调（SFT/DPO）—自动化评测”的闭环体系，以检索导向的奖励信号与数据生态从源头强化事实忠实度，依托高置信度评测基线与动态消融实验，精准归因并系统性压制幻觉，保障企业级交付效果可靠性。 4. 商业化落地与政企交付闭环（聚焦业务结果与ToB交付）：联动产研销团队，主导政企客户AI搜索与Agent方案落地。负责客户知识库结构化接入、向量化治理与记忆体系搭建，结合模型适配微调，推进工程化交付与评测，拿下KA客户。并沉淀行业解决方案与微调范式，实现标准化、规模化复制。 5. 团队管理、跨部门协同与技术影响力（聚焦组织发展与行业发声）：管理跨方向技术团队，打造以存储工程为核心、模型定制与算法协同为延伸的复合型技术团队。

1、负责企业级云原生机器学习平台建设，支撑模型开发、训练、部署、上线全生命周期管理； 2、负责机器学习平台核心组件落地与优化，包含分布式训练调度、模型版本管理、模型服务化推理部署； 3、负责 GPU 算力集群精细化运营，通过资源调度、弹性伸缩、异构算力管理，优化大模型训练 / 推理成本； 4、搭建平台监控、告警、可观测体系，保障机器学习集群及业务系统高可用、高稳定； 5、对接算法、业务团队，拆解需求并提供 MLOps 标准化平台解决方案。

1.机器学习/AI平台产品研发，涉及资源调度、大数据处理、深度学习、在线/离线架构等； 2.与算法工程师深入合作，探索前沿算法在各种业务场景的应用。