理想汽车AI 平台工程师
任职要求
1. 本科及以上，计算机相关专业。 2. 3 年以上后端 / 平台 / MLOps / AI Infra 经验。 3. 熟悉 Python 或 Go，工程设计与问题排查能力扎实。 4. 熟悉 K8s、容器、Workflow、任务调度。 5. 理解模型研发流程（训练、评测、管理、发布）。 6. 具备平台化思维，能将复杂流程抽象为标准化、自动化能力。 7. 对 Agent、Claude Code、Cursor、MCP、工具调用等方向有了解或实践。 加分项 - Kubeflow、Argo Workflow、Ray、Volcano 等平台或组件经验。 - 大模型训练…
工作职责
1. 建设 AI 平台 MLOps 能力，覆盖训练、评测、推理、数据全流程流水线。 2. 设计并落地模型研发流水线：任务编排、参数与产物管理、评测联动、发布、可观测。 3. 基于 K8s、Workflow、调度系统，构建可扩展、可复用的平台能力，提升研发效率与资源利用率。 4. 推动 Agent 工程化方向，参与 OpenClaw / Claude Code / Agent CLI 等工具链在研发与运维流程的落地。 5. 沉淀最佳实践，推动训练、评测、推理场景从人工走向自动化、智能化。
1、负责 AI评测平台的整体架构设计与核心功能开发，构建集评测任务调度、数据管理、标注平台、结果分析及可视化报表于一体的一站式评测系统。支持大规模评测任务的并发执行、异步处理和失败重试机制，保障平台稳定性。 2、参与构建评测数据生成引擎，利用大模型/Agent能力自动化生成评测脚本、评测数据集及对抗性测试用例；建设评测数据中台，实现多模态数据集（文本、图片、音频等）的版本管理、存储与检索。 3、参与开发基于 LLM-as-a-Judge 的自动化评测模块，将主观质量、安全性、逻辑一致性等软性指标转化为可配置的LLM裁判模型，并设计校验与校准机制保障评判准确性。 4、参与建设端到端Trace链路追踪与智能归因系统，对AI请求的全链路（用户输入→意图识别→模型推理→结果生成）进行埋点与透视，开发异常检测与自动归因分析能力，精准定位质量波动根因。
我们正在寻找有经验的 AI 基建开发工程师，负责构建企业级 AI 基础设施，包括 AIGW（AI Gateway / 大模型接入与运维）、智能 NPC 平台、MCP Hub 等关键 AI 基础设施的设计、开发和运维工作。您将参与大模型接入、能力编排、性能优化、评估体系建设以及成本管理等全链路工作，帮助业务更高效地使用大模型。 您将与 AI 应用、业务研发、平台团队紧密协作，构建稳定、高性能、可扩展的大模型服务体系。 主要职责： 1. 负责 AIGW（AI Gateway）的大模型接入、路由、限流、监控、运维体系建设与优化。 2. 实现并维护与主流大模型服务（OpenAI、Anthropic、Gemini、DeepSeek 等）的 API 集成体系。 3. 参与大模型能力评估：效果评测、推理性能优化、模型选型对比、成本分析与优化。 4. 构建并维护 LLM 应用相关的工具链，包括 Prompt 模板管理、RAG 访问层、评测框架。 5. 优化模型调用策略（缓存、多模型路由、降级策略、并发调度）。 6. 支持业务团队落地 AI 应用，协助完成模型选型、评估、接入、调试与规范化接入。 7. 编写并维护平台技术文档、接入文档、最佳实践与标准。 8. 持续跟进生成式 AI、大模型推理、Agent/MCP、模型加速等领域的最新进展并应用于平台。
负责AI平台的模型接入、推理优化及平台功能开发工作。负责AI基础设施的架构设计与迭代，将前沿AI技术转化为可落地的平台能力，支撑各业务的智能化需求。 1.AI模型接入与推理加速： ● 负责主流开源模型的接入适配工作，包括模型格式转换、服务化封装及API接口开发；运用各种技术手段优化推理耗时与资源使用率，提升AI平台的性能与成本优势。 2.AI平台架构设计与开发： ● 优化与迭代AI平台架构，提升AI平台的可扩展性、分布式系统吞吐量、系统安全与稳定性等，持续优化成本。 3.AI能力产品化： ● 开发并维护平台AI工具链，如LoRA微调训练 pipeline、模型评估工具等；参与Agent框架与Skills开发平台的建设，支持业务快速构建AI应用；跟踪AI领域前沿技术动态，参与技术调研与POC验证。