望尘科技AI中台全栈（2026）

1. 协同业务部门识别AI应用机会点，设计并落地面向具体业务场景的AI解决方案，提升业务流程效率与智能化水平； 2. 探索前沿AI技术，包括但不限于多模态大模型、Agent架构设计、RAG技术优化、工具调用链路设计等，并快速构建原型验证技术可行性； 3. 跟踪AI技术发展趋势，深度研究相关产品、开源项目、前沿论文，提炼核心技术要点并在团队中分享，推动技术创新应用； 4. 设计并实现企业应用各业务领域的AI增强解决方案，包括但不限于智能数据分析、自然语言处理、文本理解与生成、知识图谱构建等能力的整合； 5. 参与构建企业级AI中台能力，为各业务线提供统一的AI服务接口和能力抽象，实现AI能力的标准化输出和复用； 6. 参与制定企业AI能力建设规划，评估业务场景的AI适用性，提供AI赋能方案的技术可行性分析； 7. 参与AI应用的全栈开发，从模型调优到应用部署，具备端到端的实现能力； 8. 对复杂AI应用场景进行任务分解和流程优化，结合上下文工程、多轮对话管理、RAG架构设计等技术，通过实验验证解决方案的有效性和合理性。

【关于我们】 我们属于快手AI infra底层中台，致力于让大模型能力稳定、高效、低成本地赋能公司的每一个产品和业务。我们的团队负责从GPU集群管理、模型训练与推理服务，到面向应用开发者的平台工具的全链路AI基础设施。如果你渴望解决AI规模化落地中最具挑战性的工程问题，并希望你的工作能产生巨大的实际影响，那么这里就是你的舞台。 【职位描述】 我们寻找的不仅仅是一个开发者，而是一个能深刻理解AI基础设施在稳定性、性能、成本三大维度上的挑战，并能通过全栈技术手段将其系统化解决的“问题终结者”。你将参与到核心平台的开发中，直面生产环境中高并发、大规模、高可用的工程难题。 1、提升AI Infra的稳定性与可靠性：设计、开发并优化大模型推理服务平台，实现服务的高可用、容灾、自动扩缩容与平滑发布；构建和完善监控与可观测性体系，从硬件、驱动、模型服务到业务API，实现全链路追踪、智能告警与根因分析，将MTTR降至最低；开发自动化运维与自愈工具，处理GPU故障、网络异常、依赖服务中断等复杂场景，保障SLA； 2、极致优化性能与效率：深入优化大模型推理性能，应用动态批处理、持续批处理、PagedAttention、量化、模型编译等前沿技术，显著降低响应延迟、提高吞吐量；开发和维护GPU资源调度与管理系统，提升GPU利用率，减少资源碎片；构建模型生命周期管理工具，实现模型的版本控制、A/B测试、蓝绿部署与流量调度，确保性能与效果的平稳迭代； 3、精细化成本控制与优化：构建资源成本核算与分摊体系，精确追踪每个项目、每个团队、每个模型的GPU/算力消耗；开发智能资源调度策略，利用竞价实例、混合部署、弹性计算等手段，在保证SLA的前提下最大化成本效益；实现自适应推理优化，根据请求特征、业务优先级动态调整计算精度与资源分配，实现“好钢用在刀刃上”； 4、全栈开发，打造一流开发者体验：负责或参与开发面向内部AI应用开发者的Web管理平台与API，提供从模型部署、服务监控到成本分析的一站式自助服务；设计和实现稳定、易用的客户端SDK/API，降低业务方接入和使用大模型能力的门槛。

【团队介绍】 我们是小红书前端的核心中台团队，支撑社区、电商、商业化等全平台业务，致力于为全公司打造最强的跨端“技术弹药库”。 🚀 新挑战：拥抱 AI Native。面对业务的高速爆发，我们正在组建全新精锐力量，重构下一代跨端研发框架、底层容器、工具链与组件生态，支撑大模型带来的组织演进 🌱 高成长：无职级，不设限。公司推行全面扁平化管理，拆除科层制天花板。只要你有破局能力，我们提供充分的试错空间，让你的基建成果直接提升全线的战斗力，实现个人职业生涯的“指数级加速”。 【你的角色与挑战】 - 打造中台技术底座：立足中台视角，主导小红书跨端（RN等）基建体系的演进。为内部开发者提供开箱即用、稳定高效的研发调试工具链、底层运行时容器与高质量的核心组件物料； - 探索 AI Native 研发范式：不只是“使用”AI，而是利用大模型重构跨端研发链路。在代码智能生成、智能调试、物料自动化生产等场景落地创新方案，大幅度降低开发门槛，打造下一代极客开发体验（DX）； - 攻克性能极限：在千万级 DAU 极其复杂的业务场景下，深挖内存、首屏渲染、滑动等性能瓶颈，从底层提供超越行业常规的极致优化方案，让业务跑得更稳、更快； - 引领技术视野：紧跟前沿社区动态，深入理解业务开发者的核心痛点，探索并定义小红书下一代跨端与大前端中台架构。

1、全链路架构主导：负责从售前咨询、SOW 编写到交付落地的全生命周期技术闭环；主导整体架构设计，定义技术路线并严控需求蔓延风险。 2、产品标准化驱动：挖掘行业共性需求，将定制化项目经验转化为可规模化复制的标准化解决方案，为产品中台提供核心 Know-how 与迭代建议。 3、技术与业务对齐：深度拆解客户业务场景，联动产研及算法团队，确保 AI 能力、数据工程与业务逻辑的高效耦合。 4、价值落地与标杆建设：负责 AI 核心技术在复杂场景下的应用转化，输出行业方法论与标杆案例，确立方案在业务侧的可衡量价值。