小米顶尖应届-AI 原生时代开发工程师-MiClaw
任职要求
核心能力 1. 熟练使用 AI 编程助手（Claude Code、GitHub Copilot、Cursor 等）进行日常开发。 2. 具备良好的问题分解能力，能将复杂需求转化为清晰的 AI 提示。 3. 掌握至少一门主流编程语言，理解代码架构和设计模式。 4. 能够快速阅读、理解和审查 AI 生成的代码，识别潜在问题。 工作方式 1. 善于与 AI 协作，将 AI 作为生产力倍增器而非替代品 2. 注重代码质量和安全性，对 AI 输出保持批判性…
工作职责
1. 日常开发协作：熟练运用 Claude Code、GitHub Copilot、Cursor 等 AI 编程助手开展日常开发工作，以 AI 为生产力倍增器，高效完成编码任务，同时保持对 AI 输出的批判性思维，保障代码质量与安全性。 2. 需求拆解与提示设计：凭借良好的问题分解能力，将复杂业务需求拆解为清晰、可执行的任务，并转化为精准的 AI 提示，引导 AI 高效产出符合要求的内容。 3. 代码处理与审查：掌握至少一门主流编程语言，理解代码架构与设计模式；能够快速阅读、理解并审查 AI 生成的代码，精准识别其中潜在的逻辑、安全等问题。 4. 技术适配与学习：快速学习新技术、新工具，主动适应 AI 原生时代快速迭代的技术栈，持续提升自身技术能力与适配能力。 5. 文档与上下文构建：具备优秀的文档编写能力，为 AI 提供清晰、完整的项目上下文、技术文档等信息，助力 AI 更精准地辅助开发工作。 6. 拓展实践（加分项相关）：可参与 LLM API、RAG、Agent 等 AI 应用开发，熟悉提示工程（Prompt Engineering）与 AI 工作流优化；也可参与开源项目、输出技术博客，持续沉淀技术经验与见解。
1、A2UI 生成式 UI 框架开发，参与 Hyper A2UI DSL 协议设计与实现，实现 LLM 输出的 JSON DSL 到原生 UI 的流式渲染； 2、Intent Router 与 Surface Ranker：参与端侧意图分类模型（<50M 参数）的部署与优化，实现多 Agent 协作编排、Surface 显示优先级仲裁算法； 3、Agent Presence 系统：开发 Agent 图标状态协议、Agent 小部件自适应框架、Agent 署名通知系统。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目，继承“阿里星〞的使命与愿景，面向全球招募顶尖技术人才。首次开设实习生专项招聘，面向2025年10月后毕业的校优秀技术同学。期待你们在淘天，通过极具挑战的前沿课题与亿级规模的海量数据、应用场景，探索和实践最前沿的Al技术，在有价值的业务场景落地技术成果。 在这里，你可以经历互联网领域最前沿的工程技术探索，兼顾技术深度与业务价值实现，探索研究业界最新的技术方向； 在这里，你将经历超大规模的分布式计算、海量数据的实时处理、复杂业务变化和创新等带来的全方位技术挑战； 在这里，你将承担面向电商、营销与广告等业务场景需求的基础平台相关的技术研发工作，用技术服务数以百万计的商家并持续提升消费者体验； 在这里，你将参与包括但不限于分布式系统、AI基础设施、云原生Serverless、数据库、中间件、研发效能平台等方面的架构设计与深度优化； 加入我们，你将体验简单、可依赖的团队文化，以及求真务实、追求极致的工程师文化，并给你提供广阔的施展天地。来吧，我们等你加入！ T-Star实习可以带给你什么？ ꔷ ①加入前沿技术探索队伍，参与顶级课题研究，有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper ꔷ 投递T-Star实习生，提前解锁淘天顶级技术岗位，实习与T-Star正式批/应届秋招投递不冲突。拿到T-Star意向书的同时，将获得直通正式批次终面的机会；参与T-Star实习且表现优秀的同学，提供T-Star转正Offer。
1. 研发下一代AI驱动的软件工程范式 - 构建面向移动端及嵌入式OS的智能编程系统，探索LLM在代码生成、架构设计、静态分析及测试用例生成等全流程的自治能力； - 研发智能编程辅助系统，实现需求文档→技术方案→代码实现→测试验证的端到端闭环开发。 2. 构建软件工程Agent体系架构 - 设计具有记忆、规划与工具调用能力的多智能体框架，实现复杂功能开发的自主决策与执行； - 开发基于强化学习的Agent协作机制，优化代码质量、构建成功率等核心指标。 3. 研发超大规模代码检索增强生成系统 - 设计高效的多粒度代码索引结构与语义检索框架，实现亿级代码片段的高精准召回与排序； - 研发代码知识库与LLM深度融合的混合检索技术，提升复杂项目上下文理解与跨文件依赖分析能力。 4. 微调和评估软件工程领域专用模型 - 针对IDE补全、对话等场景微调专用小参数大模型，提升代码生成率； - 评估大模型在特定软件工程领域的能力，针对具体研发场景选择适合的模型。 5. 前沿技术探索与专利布局 - 跟踪代码大模型、程序分析、AI软件工程等领域国际顶会（ICSE/PLDI/NeurIPS等）最新进展； - 主导技术创新点的专利撰写与学术论文产出。 【课题名称】 AI智能软件开发系统研究 【课题内容】 构建下一代AI驱动的智能软件开发系统 1. 面向移动端OS的智能编程系统； 2. 构建软件工程Agent系统； 3. 研发超大规模代码检索增强生成系统。
1. 负责新型结构、功能及外观材料的研发、性能测试及量产可行性评估； 2. 结合AI算法开发或优化材料配方； 3. 跨学科技术整合，将材料特性与终端功能器件设计结合； 4. 参与AI终端的可靠性验证，确保材料在极端环境下的稳定性； 5. 标准化与专利布局参与制定材料性能评价标准，推动行业规范化发展；撰写技术专利，保护核心材料创新成果。 【课题名称】 AI材料研发 【课题内容】 聚焦AI+材料创新，涵盖结构材料、功能材料及外观材料与AI驱动的色彩/纹理设计等，通过AI算法加速材料性能预测与制造工艺优化，实现终端高性能、长续航与美学体验的协同突破。