美团服务零售-大前端开发工程师（商品交易方向）
任职要求
1.3-5年大厂前端开发经验，计算机相关专业，熟练掌握iOS/Android/Web/ReactNative/小程序其中任意一个方向。 2.有C端项目经验，有主导或独立负责过一定规模产品前端整体或者核心模块的设计，负责过交易等核心C端页面最优。 3.以结果和价值为导向，能利用科学的方法进行指标定义、收集、分析，从而进行成果的衡量。 4.具备深潜业务的意愿，掌握所负责业务的核心领域知识，对使用技术手段赋能业务有强烈兴趣。 具备以下条件优先 1.过往有AI相关实践经验或强烈兴趣，对业务流程结合 AI 创新有热情，愿意尝试 AI 改变传统前端开发流程优先。 2.有良好的数据思维，有通过数据发现、评估解决问题的能力及经验。 3.对大型终端系统提效方案有过深入了解并实践，致力于提高终端开发效率和体验优先。
工作职责
1.负责到综C端导购和交易核心链路的设计、开发和优化。 2.深入了解客户端基建和容器，有解决交易系统中的技术难题和性能瓶颈的经验。 3.参与技术方案的制定和实施，与产品团队紧密合作，理解业务需求并提供相应的技术支持。
1.负责京东零售商品理解工程和产品化能力建设，构建统一、稳定、高效的商品资产和服务能力，助力B端商品运营提效和C端体验及效率提升； 2.建设京东零售商品标准CPV、商品知识图谱、标品、同品等基础能力； 3.建设覆盖标签生产、管理、存储以及服务的京东零售统一标签平台、实时化盘货引擎和商品搜索引擎； 4.建设京东零售核心商品系统和链路，统一商品服务，支持百万级在线请求能力； 5.站在京东零售整体视角，能从业务、技术和平台多重视角发现和解决零售业务问题； 6.紧跟前沿技术发展趋势，探索新技术在业务中的应用，解决技术难题，推动创新。
1.负责京东零售商品理解工程和产品化能力建设，构建统一、稳定、高效的商品资产和服务能力，助力B端商品运营提效和C端体验及效率提升； 2.建设京东零售商品标准CPV、商品知识图谱、标品、同品等基础能力； 3.建设覆盖标签生产、管理、存储以及服务的京东零售统一标签平台、实时化盘货引擎和商品搜索引擎； 4.建设京东零售核心商品系统和链路，统一商品服务，支持百万级在线请求能力； 5.站在京东零售整体视角，能从业务、技术和平台多重视角发现和解决零售业务问题； 6.紧跟前沿技术发展趋势，探索新技术在业务中的应用，解决技术难题，推动创新。
Bravo 102是由阿里国际技术全团队共同发起的技术人才孵化计划，打破传统人才选拔及培养框架，为有志于走向AI未来的技术新锐们，提供“你行你上+我要我来”的双向奔赴式的实习机会选择。 在这里，“我”将不被岗位定义，以能力选择业务战场，与全球顶尖团队并肩作战，沉浸式体验全球多元化业务战场与亿级流量高并发系统。 加入我们，成为AIDC首批102位Bravo Talent，一起掌舵AI，为我们的未来Bravo！ 关于我们： 阿里国际技术专注于提供卓越的数字零售技术服务，致力于服务全球消费者，并触达全球中小企业买家。我们希望利用AI技术让每个人都能够轻松、便捷地享受全球优质的商品和服务，推动商业活动更加高效、可持续，为社会未来的发展带来更多可能性。 我们提供涵盖商品智能、商家服务、供应链优化、跨境物流、搜索推荐引擎、用户增长、金融服务、客户体验、AI 基础设施、企业数智化、全球云及高可用架构、研发效能等技术领域，实习生可跨多个技术域实践，深度参与多场景技术攻坚，探索你想选择的职业发展方向； 在这里，你将和我们一起，采用领先的数字化及人工智能等技术持续解决商业活动中的现实问题，创造技术价值，为消费者带来更加美好的体验！欢迎加入我们！ 以下工作内容你均有可能参与： 1、参与基础软件的设计、开发和维护，如分布式文件系统、缓存系统、Key/Value 存储系统、数据库、Linux 操作系统等，探索 AI 在系统调优中的应用（如通过机器学习预测热点数据提升缓存命中率）； 2、参与国际电商系统及基础设施的核心模块开发，集成 AI 模型服务，为公司产品提供强有力的后台支持，设计并实施最强大的解决方案； 3、参与产品的开发和维护，完成从需求到设计、开发和上线等整个项目周期内的工作，能够通过 AI 工具提升开发效率； 4、参与海量数据处理和开发，使用Java/SQL/Python开发 ETL 流程，结合大模型实现数据清洗与特征工程自动化（如利用大模型生成 SQL 查询模板）； 5、参与项目为用户提供丰富而有价值的桌面或无线软件产品，能够探索 AI 在业务场景的落地应用（如大模型在供应链定价、销量计划、库存、履约等复杂场景的智能洞察和协同，基于大模型的个性化推荐系统，交互式智能导购，需求预测模型部署，异常检测算法实现等）。
1. 与业务深度合作，持续推进产品迭代和优化，协同达成业务目标。保证研发质量、性能和效率。 2.结合业务发展需要及部门技术演进路线，持续迭代部门应用架构和工程架构、开发流程等，提高业务交付稳定性和效率。 3. 持续探索AI-coding在研发新范式中的使用。 4.参与团队建设，新人培养等工作，促进团队成员进步，提升团队战斗力。