小红书AI全栈工程师（AI Coding 方向）
任职要求
1、计算机相关专业本科及以上学历，4年以上软件研发经验，有复杂客户端、IDE、开发者工具、研发效能平台、AI Coding 产品或大型前端平台架构经验； 2、具备扎实的工程基础和架构能力，熟悉 TypeScript / JavaScript / Electron / VSCode Extension / WebIDE / 桌面端客户端 / 浏览器插件 / JetBrains Plugin 等技术体系中的一种或多种； 3、深刻理解复杂客户端产品的工程挑战，对插件化架构、模块化设计、跨进程通信、状态管理、性能优化、稳定性治理、日志追踪、灰度发布和线上问题定位有实战经验； 4、理解大模型与 Agent 产品的基本工作机制，有 LLM 调用、Tool Use、Agent Loop、上下文构建、任务规划、Prompt Engineering、RAG、MCP / ACP、…
工作职责
1、打造面向研发场景的下一代 AI Native Agent 产品，覆盖 AI Coding、自动化研发工具链、智能终端等核心能力，重新定义开发者的编码与交付体验； 2、设计并构建复杂客户端核心模块，包括会话系统、任务编排、上下文管理、工具调用、权限控制、状态恢复、多窗口 / 多工作区、插件体系、终端集成、文件系统访问、Diff / Patch / Review、Git / PR 流程等关键能力； 3、攻坚复杂客户端与 Agent 工程化难题，解决长任务执行、跨进程通信、本地与云端协同、异常恢复、弱网与离线、启动性能、内存占用、稳定性、可观测性等核心问题，提升产品在真实研发场景中的可靠性和可控性； 4、推动 AI Agent 能力在客户端侧产品化落地，围绕代码生成、代码理解、自动修复、测试验证、任务拆解、多 Agent 协作等场景，设计可扩展、可调试、可评估的工程架构； 5、负责技术方案评审、架构拆解、工程规范建设和核心项目推进，提升团队在复杂客户端、AI Coding、Agent 工程化方向的技术深度和交付质量。
#为什么加入这个团队是可靠的选择？ 小红书社区与电商业务处于稳定高速增长阶段，日活与交易规模持续扩大，对客户端性能、研发效率、跨端体验的要求越来越高。 前端架构组负责全公司前端与跨端的技术底座，直接支撑社区、电商、商业化、直播等核心业务团队的日常迭代与大促保障。 我们更注重技术深度、系统稳定性与长期演进，而不是短期噱头。这里适合想沉下来做基建、追求极致工程效率的技术同学。 #你能得到的成长支持 - 能深度参与公司级前端与跨端技术体系建设，系统性地提升架构能力； - 与社区、电商、商业化等核心业务的技术负责人保持常态化对齐，了解一线需求； - 有足够空间探索 AI 在研发提效上的真实落地价值（AI 辅助编码、Review、调试、构建优化等），而不是追概念； - 薪资对标行业一线水平，快速增长的期权为你的收入上个buff，上海/杭州二选一，房补、三餐、补充商保等福利齐全； #你会参与的核心工作（根据经验与兴趣选择1-2个主方向） - 持续优化前端构建链路与 CI/CD 体系，提升全公司研发效率与交付质量； - 推动 React Native 跨端框架在复杂业务场景下的稳定性与性能治理； - 参与 Web/Node 自研框架的演进，保障亿级流量场景下的可靠性； - 建设 AI Coding 相关基建（IDE 插件、Agent 辅助、代码生成/Review 等），让 AI 真正为开发者省时间； - 输出内部技术标准与最佳实践，偶尔也可对外分享；
1、负责剪映CapCut、醒图Hypic以及多个AIGC产品的商业化业务开发工作； 2、围绕订阅支付、会员增长、权益供给、广告分发等方向建设通用商业化能力，支持业务商业化的快速增长； 3、能够独立承担产品从前端交互到后端架构的完整技术实现，发挥优秀的工程实践能力和AI工具运用能力。
1. 负责蚂蚁AI Coding产品或体验产品的全栈研发工作 2. AI Coding产品方向：业界最新一代的前端搭建 IDE 、基于大模型的 UI 生成、跨栈跨端的渲染技术、一句话生成网页的在线 AI 平台、极致性能的前端工程 3. 体验产品方向：负责智能UI、体验巡检、数据可视化、体验分析Copilot等技术基建 4. 探索 AI 时代前端工程师的领域上限
1. 负责公司企业级数据开发平台产品的规划、设计和落地，构建高效、智能、易用的一站式数据开发与治理体系，全面提升数据研发效能与数据质量。 2. 深度参与数据开发全生命周期（DataOps）的流程优化与产品化，构建覆盖数据接入、数据处理、数据调度、数据服务及全链路监控等核心功能的数据平台。 3. 探索并落地基于AI（特别是大模型）的智能数据开发方案，通过AI技术提升数据建模、ETL开发（AI Coding）、SQL生成与优化、智能问答与诊断等环节的自动化与智能化水平。 4. 与数据工程师、数据分析师及业务团队紧密合作，深刻理解不同角色的数据开发与消费需求，持续优化产品体验，提升平台易用性与用户满意度。