小米AI工程架构师-安卓方向
任职要求
5 年以上 Android、客户端基础架构、系统服务或端侧基础设施开发经验。 熟悉 Android Framework、系统服务、进程通信、权限机制、后台任务、性能优化、稳定性治理等至少一类方向。 熟悉 Kotlin / Java / Rust / C++ 中至少一种，具备扎实的数据结构、并发、异步、网络、存储和性能优化基础。 具备良好的工程架构能力，能够设计稳定、可扩展、可观测、可持续演进的端侧基础设施。 对 AI Agent、On-device AI、Agent Runtime、Tool…
工作职责
负责 Android 端 AI Agent 基础设施的设计与开发，包括 Agent Runtime、Agent Harness、任务执行框架、工具调用框架等核心能力。 建设 Tool Calling / Function Calling 能力，将系统服务、应用能力、设备能力和云端服务抽象为可被 Agent 安全调用的标准工具。 参与 MCP、RAG、本地知识检索、上下文管理等能力建设，提升 Agent 对外部工具、知识和用户场景的理解与使用效率。 建设端侧上下文感知能力，融合系统状态、应用状态、设备状态、位置、传感器、屏幕内容等信息，支撑更准确的任务理解和执行。 设计端侧 Agent 任务链路，支持从意图理解、任务规划、工具选择、权限确认到执行反馈、失败回滚的完整闭环。 建设端云协同和模型路由能力，根据任务复杂度、隐私等级、设备能力、网络状态、时延和成本选择端侧、云端或混合执行。 建设 Agent 执行过程中的权限控制、安全审计、降级容灾、灰度发布、线上观测和评测体系，保障真实用户场景中的稳定性和安全性。 与算法、云端、系统应用、设备服务等团队协作，推动 AI Agent 能力在多终端场景中落地。
1. 负责AIData 各大平台的产品技术架构，包含数据资产管理平台、数据标注平台、数据评测平台，以及数据处理平台架构设计和开发。 2. 负责异构资源（GPU、CPU等硬件）的调度优化，实现潮汐资源、混部资源、多云资源的最优化调度。 3. 负责集群和业务服务的稳定性治理、资源利用率提升，通过系统化方式提高GPU、CPU等硬件资源的使用效率。 4. 参与设计高吞吐、低延迟的数据处理 pipeline。针对大模型数据处理场景（如LLM、多模态），优化数据清洗、预取、缓存及异步加载策略，确保数据大规模产出。 5. 领导数据处理集群优化相关团队，关注数据处理系统前沿技术，保持团队技术先进性。
1、负责构建模型与应用间的通用 Agent 层，支持多模型调用、动态 Workflow 与自动路由机制； 2、设计 Function Call、ReAct、PE 等执行机制，建设模块化的工具调用体系； 3、优化模型调用链上下文管理与执行效率； 4、与算法与服务端协作，建设任务调度、RAG 服务与 Tool 编排框架； 5、推动 AI 工程体系标准化与自动化，建设可配置、可调试的开发工具与可视化平台。
1. 探索AI技术在阿里国际站广告业务场景落地，以业务数据驱动为重点方向，如数据洞察、异动诊断等场景，用创新的思路和技术方案解决业务带来的挑战，驱动业务增长与效率提升； 2. 研究大模型相关的训练、优化和应用技术，包括指令微调、RLHF、工具学习等，跟踪相关领域前沿进展，进行各类方案的技术选型和工程实现，并与与产品、UI/UX、测试及运维团队紧密协作，确保项目高质量交付； 3. 设计并开发高可用、高并发的分布式服务，构建微服务架构，优化服务API性能与线上稳定性，负责数据库、缓存、消息队列等组件的技术选型与性能调优；
1、负责 AI 在研发效能领域的后端系统设计、开发与落地，聚焦 ToC 业务中真实、复杂的工程痛点（如多端协同、高频发布、线上问题复盘、自动化验证等）； 2、构建高可用、低延迟的智能服务后端，支撑智能编码助手、自动化测试生成、日志根因分析、CI/CD 智能干预等核心功能； 3、基于 LLM 设计可扩展的服务架构，实现上下文感知、安全可控、可观测的 AI 能力输出，并与现有开发者平台、IDE 插件、内部工具链深度集成； 4、与算法、前端及业务研发团队紧密协作，推动 AI 能力从实验到规模化落地，确保“用得上、跑得稳、提效实”； 5、持续跟踪 AI for Software Engineering 的前沿进展，结合业务特性探索创新应用场景。