小红书全栈开发工程师-AI搜索（欢迎后端/客户端/前端同学投递）
任职要求
1、1 年以上开发经验，至少精通一个技术领域（前端 / 客户端 / 后端均可）；
2、熟练使用 AI 编程工具（Cursor、Claude Code、GitHub Copilot 等），有用AI突破自身不熟悉领域的实际经验；
3、扎实的 Prompt Engineering 能力，掌握 System Prompt 设计、Few-shot、CoT、结构化输出等技…工作职责
1、深度使用 AI 工具驱动日常开发，将 AI 融入需求分析、方案设计、编码实现、调试排查、Code Review 等研发全流程； 2、独立设计、开发和迭代 AI Agent，能根据业务场景完成 Agent 的架构选型、Prompt 设计、工具编排与端到端交付； 3、开发和维护团队内部的 AI 提效工具与工作流，包括自定义 Skills、MCP Server、Prompt 模板、自动化脚本等； 4、独立或协作完成业务功能的全链路交付，覆盖前端、客户端、后端，不设边界； 5、持续探索 AI 新工具和新模式，沉淀最佳实践，推动团队整体 AI 能力提升。
职位角色 特斯拉信息技术部门（工作地点：上海超级工厂）现招聘一名全职 IT AI Platform 开发工程师，专注于构建和扩展下一代 AIOps 与 MLOps 平台。随着人工智能技术，尤其是生成式AI（GenAI）平台在企业核心系统中的深入应用，我们亟需一位能够打通 AI研发与生产部署之间壁垒 的工程专家。 您将负责从 模型训练、版本管理、自动化部署到高性能推理服务 的完整 MLOps 体系建设，并主导构建支持 本地 GPU 推理与云端 LLM API 融合 的混合式推理网关平台，以实现 低延迟、高吞吐 的企业级 AI 服务能力。作为 GenAI 平台及未来 AI 服务落地的核心力量，您将显著提升 AI 功能的交付效率与系统稳定性。 设计、构建并维护可扩展的 MLOps 平台，实现 AI 模型从训练、版本控制、部署到监控的全生命周期管理。 基于 vLLM、TensorRT-LLM、TGI 等框架，在大规模 GPU 集群上开发并优化大语言模型（LLM）推理流水线。 构建融合本地 GPU 模型与云上 LLM API 的混合推理网关平台，实现智能路由、负载均衡与性能成本优化。 搭建自动化 LLM 微调（Fine-Tuning）流水线，支持 LoRA、QLoRA 等参数高效训练方法，涵盖数据预处理、分布式训练与检查点管理。 推动 RAG（检索增强生成）能力服务化（RAG-as-a-Service），集成并运维主流向量数据库（如 Pinecone、Milvus、Weaviate）。 通过 Prometheus、Grafana、OpenTelemetry 及自研监控方案，保障 AI 系统的可观测性与稳定性。 与 AI 科学家和应用工程师协作，进行模型优化（如量化、剪枝、蒸馏），提升推理效率与资源利用率。 支持 GenAI CN 平台的高性能模型服务需求，确保低延迟、高并发的服务能力。 制定 AI 模型服务的关键性能指标（KPI）与服务等级协议（SLA），量化业务价值与系统表现。 使用 GitLab CI、Jenkins、ArgoCD 等工具实现 AI 工作流的 CI/CD 自动化，确保可复现性与可审计性。
1、负责携程-香港永安旅游网站的各业务系统的研发与维护工作，如：旅行团、机票、酒店、自由行、船票、火车票、玩乐等。 2、平时用到的技术有：JDK21、springboot3.0、vue3.0、mysql、sqlserver、mongodb、redis、elasticsearch、公司自研系统(QMQ消息队列、Qschedule任务调度、Caption发布系统类似k8s、idev需求及项目管理平台)，公司给所有员工都配置了足额的AI额度，鼓励AI辅助开发测试及了解业务系统功能，可以使用cursor、codex、claude code等工具开发。 3、平时会参与：需求评审、时间评估、设计、开发、单测、自动化测试任务。50%时间进行业务类Api开发，20%前端开发，30%时间单测或自测，需要开发人员不依赖测试人员保障质量。 4、需要有强烈的责任心、需要具备扎实的计算机基础知识背景、接收新事物速度快、能主动将自己的技能不断转化为skill。
1、全栈业务开发：负责公司核心业务的微信小程序、H5及PC管理后台的前端开发，同时基于Express/Koa等框架承担Node.js全栈开发工作，确保系统的高性能、高可用及跨端兼容性。 2、AI驱动开发：在日常开发中熟练运用AI编程工具（如Claude Code、OpenCode、Cursor等）提升开发效率，实践SDD（规范驱动开发）模式，通过AI辅助完成代码生成、重构和优化。 3、AI工作流实践：在开发过程中应用Agent构建理念（如Rule/Skill/MCP/Memory等机制），探索和实践多Agent协作模式，持续优化AI辅助开发的效率和质量，并有实际的实践案例。 4、工程化建设：参与前端构建工具（Webpack/Vite）、Node.js服务架构的搭建与优化，提升团队研发效能。
1.负责 AI 技术与小程序平台结合的开发工作，通过大模型智能体连接小程序服务，增强用户体验； 2.负责小程序通用智能体上下文工程、智能体评测系统开发。