希音资深后台开发工程师（算法工程化方向）
任职要求
1. 教育背景：计算机、软件工程、人工智能等相关专业， 本科及以上学历。 2. 工作经验：3年以上算法工程化或后端研发经验，具备模型上线与大规模分布式系统实战经验。 3. 技术能力：熟练掌握Java和Python，熟悉常用深度学习框架（如TensorFlow/PyTorch），掌握微服务架构、容器化（Docker/K8s）、CI/CD、模型…
工作职责
1. 算法工程化支持：负责支持跨境治理和商品治理方向的算法工程化落地，包括算法服务化、模型部署、性能优化、A/B测试与监控体系搭建。 2. 系统开发与维护：基于Java与Python开发高性能、可扩展的算法平台和治理系统，保障算法稳定运行和高可用性。 3. 算法研发协同：与算法研究人员、产品经理紧密协作，推动图像理解、NLP、多模态及大模型等算法从研发到线上应用的全流程闭环。 4. 数据与质量评估：建设和维护治理效果数据采集、评估和监控体系，持续迭代优化模型与策略，驱动业务降本增效。 5. 技术方案创新：关注业界最新算法工程化与MLOps实践，推动内部平台能力升级，提升算法迭代效率。
1. 测试体系建设：负责 AI 相机相关产品（端到端 + 服务端）的整体测试规划与策略制定，包括功能、性能、稳定性、兼容性、隐私安全等测试方向。 2. 服务端测试：深入理解 AI 相机后台服务,，制定服务端测试方案，构建自动化回归与监控体系。 3. 工具与平台建设：推动自动化测试平台、数据生成工具、模型评测工具链落地，提升测试效率与智能化水平。 4. 团队管理：带领测试团队（2~5 人左右），进行人员培养、任务拆解、测试流程优化，提升团队交付质量与效能。 5. 跨部门协作：与产品、研发、算法、运营团队紧密合作，推动 AI 相机业务的高质量快速迭代。
负责语音助手产品的需求梳理、后台架构设计与开发。 配合NLP算法工程师，负责对话系统、NLP、LLM Agent工程化建设。 负责语音助手产品的高可用，高性能。
AI后端开发工程师的核心任务是为AI能力构建稳定、高效且可扩展的后台服务，确保智能应用顺畅运行。其主要工作包括： 1.系统架构设计与优化：参与设计高并发、低延迟、高可用的后端系统架构以支撑AI服务。运用微服务、容器化（Docker/K8S）、消息队列（Kafka/RabbitMQ）、缓存（Redis） 等技术，并优化数据库（如MySQL、MongoDB、向量数据库）性能 2.数据处理与管道构建：构建和维护数据管道，支持海量数据的采集、清洗、存储与处理，为模型训练和优化提供支持，有时需设计数据闭环系统 3.全流程开发与协作：参与从需求分析、设计、编码、测试到部署运维的全流程。需与算法工程师、前端工程师、产品经理等紧密协作，确保项目顺利交付 4.技术攻坚与创新：解决模型部署和运行中的技术难题（如资源瓶颈、轻量化），探索和引入前沿技术（如大模型服务化、多模态、边缘计算）以提升产品竞争力
1、负责商业增值的算法工程相关工作，建设机器学习Pipeline，提升算法迭代效率，统一机器学习的开发和部署，以标准化过程生产高性能模型，持续交付； 2、负责在线推理的优化工作，建设CPU+GPU的异构架构，解决大规模模型推理等问题，并能跟随模型的迭代持续进行编译优化，提升优化的普适性以及对新硬件的覆盖能力； 3、负责特征平台的优化升级工作，提升数据生产效率，实现算法场景下数据价值加速流通和赋能提效，并优化在线特征读取性能，且能前瞻性的看到新技术，结合实际场景预判引入； 4、负责算法迭代日常需求沟通，支撑算法生命周期的全链路迭代，理解算法需求的同时可以通用化的进行抽象，提升平台能力面对相似场景的复用性。 5、负责LLM推理引擎优化，基于业界先进经验设计开发及优化LLM推理框架。 6、负责高性能算子开发和优化，针对Transformer等结构，通过指令级、内存访问优化等手段，提升算子性能，充分利用硬件能力。 7、负责跟随业界LLM新技术，并赋能到业务中。