remoteAI 应用算法工程师（多模态 / Agent 方向）//AI 研发工程师// agent 架构师

[andyxinweimin]

AI 应用算法工程师（多模态 / Agent 方向）

25-40k 面议

岗位职责

1. 负责大语言模型、图像及视频模型的选型、接入与应用开发，推动 AI 能力在实际业务中落地。
2. 根据业务需求开展模型调优，包括数据准备、Prompt 优化、模型微调及效果评估，持续提升输出质量与稳定性。
3. 设计和开发 Agent 智能体，实现工具调用、知识库检索、任务规划及工作流编排。
4. 参与图像、视频处理相关功能开发，将视觉算法与多模态模型整合到业务流程中。
5. 完成模型服务与业务系统的集成、部署和维护，优化响应速度、资源消耗及使用成本。
6. 参与短剧业务的 AI 工作流设计与开发，覆盖剧本解析、分镜拆解、角色与场景设定、图像及视频生成、配音字幕、剪辑合成等环节。
7. 将模型、Agent 与音视频处理工具整合为可批量运行的自动化流程，支持任务调度、进度跟踪、失败重试和人工审核。
8. 针对短剧制作中的角色一致性、画面连贯性、音画同步等问题，开展效果评估与优化。 任职要求
9. 有实际软件开发经验，熟练使用 Python ，具备良好的编码、接口开发、调试和问题排查能力。
10. 具备一定的计算机视觉基础，了解图像与视频处理流程，对检测、分割、识别等常见任务有基本认识。
11. 理解 LLM 、图像及视频模型的基本原理、能力边界和应用场景，能够根据任务选择合适的模型与技术方案。
12. 具备模型调优实践经验，了解 SFT 、LoRA 等微调方法，能够通过数据和评测结果分析、改进模型效果。
13. 熟悉 Agent 的基本架构，有工具调用、RAG 、工作流或多智能体协作相关开发经验。
14. 能够独立推进功能开发，具备业务理解能力、学习能力及团队协作意识。
15. 有短剧制作、AI 短剧生成或短剧出海相关工作流经验，理解从素材输入到成片交付的主要环节，能够识别适合 AI 自动化的业务场景。 加分项

• 有图像生成、视频生成或编辑、视觉识别等项目落地经验。
• 有模型私有化部署、GPU 推理优化或服务性能优化经验。
• 有独立完成 AI 产品从原型到上线的经历，或可展示的项目、作品及开源贡献。
• 有短剧翻译配音、字幕处理、视频剪辑、封面生成、素材质检等项目经验。
• 有 ComfyUI 或其他模型工作流编排工具的使用、二次开发及服务化经验。 • 有短剧批量生产或处理平台的实际落地经验，能够兼顾成片质量、处理效率与成本。 我们更看重实际项目经验、动手能力和交付结果。投递时请附相关项目介绍，并说明个人负责的部分、技术方案及取得的效果。 简历投递邮箱 [e-mail]

AI 研发工程师

月薪 30–40K + 奖金

既能搭复杂业务系统（ CRM / ERP / OA / 审批流 / 权限 / 报表），也能把 AI 能力做进系统里——以后端为主的全栈研发，深度使用 AI 编程工具高效交付。 这个岗位做什么 你负责公司核心业务系统（ CRM 、ERP 、OA 、审批流、权限体系、订单、客户、项目、报表 等）的设计、开发与维护，并把 AI 能力（智能客服 / Agent / RAG / 自动化）做进这些系统。 以 后端为主、具备全栈能力；工作以 平台研发（把共性能力沉淀成可复用模块）和 方案落地（把需求快速做成能跑的系统并持续迭代）两件事为主。

岗位职责 一、复杂业务系统研发（后端为主，含前端联调） •负责核心业务系统（ CRM / ERP / OA / 审批流 / 权限体系 / 订单 / 客户 / 项目 / 报表 等）的设计、开发与维护。 •参与业务建模、接口设计、数据库设计、系统架构与性能优化。 •拆解并实现复杂业务流程，处理多角色、多权限、多状态、多流程等业务场景。 •参与前端功能开发与联调，独立完成中后台页面、表单、列表、详情、配置页等常见功能。 •负责线上问题排查、故障定位、数据修复与系统持续优化。 •与产品、业务、测试团队协作，理解业务需求并转化为稳定、可维护的技术方案。 二、AI 平台研发与能力落地 •把共性能力抽成可复用平台模块：知识库管理、Prompt 管理、模型调用与成本监控、权限系统、任务流、评测 Gate 、灰度发布、日志审计。 •把 AI 能力做进业务系统：智能客服、Agent 、RAG 、自动化——参与系统融合与可观测，快速做 MVP 、私有化部署、灰度上线、跟数据迭代。 三、AI 原生研发方式 •用 AI Coding / Vibe Coding 工具贯穿全流程：需求拆解、代码生成、重构、测试补全、问题定位、文档生成，显著提升交付效率。

硬性要求 以下三条是筛选核心，任一不达标不予考虑。 ① AI 原生工作方式 · 会用更会判断（一票否决） •深度、高强度、日常使用 Cursor 、Claude Code 、Codex 、GitHub Copilot 等 AI 编程工具进行真实生产开发——是 AI Coding / Vibe Coding 深度用户，把它当主力生产力，不是「试用过」。 •能用 AI 工具贯穿需求拆解、代码生成、重构、测试补全、问题定位、文档生成，展示把交付效率提升 数倍。 •关键：具备判断 AI 生成代码质量的能力——能识别错误实现、边界遗漏、性能问题和安全风险，并完成工程化落地。会用 AI ，但不盲信 AI 输出。 •熟练用 AI Agent 框架 / 工具链 搭建过真实系统，对提示工程、上下文工程、Agent 编排、评测（ Eval ）有实战理解。

② 现场展示过往项目（硬性，无法豁免） •面试须 现场演示并讲解你亲手做过的 2–3 个真实项目（非教程复刻、非纯 Demo ）。 •其中 至少 1 个必须是使用 AI Agent / AI 工具链构建的项目。 •现场要讲清：项目背景、你的角色、架构如何设计、用了哪些 AI 工具、具体怎么用、踩过什么坑、效果如何量化；我们可能要求你 现场用 AI 工具做一段真实编码 / 线上排障。

③ 端到端闭环能力（能独当一面，不是螺丝钉） •能独立推进一件事的全过程：需求理解 → 方案设计 → 开发实现 → 验证上线 都能闭环，能端到端 own 一个系统。 •懂 Linux + Docker 生产部署与排障，具备 SRE 素养：能扛线上事故、做灰度与回滚。 •有 安全与合规意识：鉴权 / 越权 / 密钥 / 审计不是事后补，而是设计本能。

任职要求 •本科及以上学历，计算机、软件工程或相关专业优先。 •5 年以上后端或全栈开发经验，有 复杂业务系统开发经验（ CRM / ERP / OA / 进销存 / 供应链 / 人事 / 财务 / 项目管理 / 审批流 等经验者优先）。 •熟悉至少一种后端技术栈（ Java / Go / Python / Node.js 等，团队以 Python 为主力），服务端能力扎实。 •熟悉关系型数据库（ MySQL / PostgreSQL ），具备良好的表结构设计、SQL 优化与事务处理能力。 •熟悉 Redis 、消息队列、定时任务、权限体系、组织架构、角色权限、审批流等企业系统常见能力。 •熟悉前端开发，掌握 Vue / React / TypeScript 中至少一种，能独立完成中后台管理系统页面。 •较强的业务抽象能力：能从复杂需求中拆出清晰的数据模型、流程模型和权限模型。 •落地过至少一个 LLM / Agent 生产应用（ RAG / Function Call / Agent 编排），能说清命中率、失败率怎么量出来并优化。 •能接受多时区 / 夜间响应线上告警的 oncall 节奏。

加分项 •有大型中后台系统从 0 到 1 建设经验。 •有微服务、DDD 、流程引擎、规则引擎、低代码平台、报表系统经验。 •有复杂权限模型、审批流引擎、动态表单、业务配置平台等设计经验。 •有 Agentic Coding 、AI 辅助重构、AI 生成测试用例、AI 参与代码评审等实践经验。 •有使用 AI 编程工具提升 CRM / ERP / OA 等复杂业务系统开发效率的实际案例。 •有可观测 / 度量体系（ OTel / Prometheus / Grafana ）或工作流引擎（ Temporal / Cadence / Airflow ）生产落地经验。 •Telegram Bot / MTProto / 千群级并发系统实战；链上数据对接（ Tron / EVM ）；多租户 B2B 平台设计。 •熟悉 DevOps 、CI/CD 、容器化部署、云服务者优先。

我们希望你具备 •不只是写接口，而是能 理解业务逻辑、系统边界和长期演进成本。 •能在复杂业务中 建立清晰的模型，而不是堆功能。 •重视 稳定性、可维护性和数据一致性。 •能熟练使用 AI 工具提升效率，但不会盲信 AI 输出。 •能 独立推进问题，从需求理解、方案设计、开发实现到验证上线都能闭环。

面试流程 1.简历初筛：重点看 AI 工具使用深度与复杂业务系统 / 真实项目质量。 2.技术面 + 现场项目展示：演示 2–3 个真实项目，含 ≥1 个使用 AI Agent 的项目。 3.现场实操：用 AI 工具做一段真实编码 / 排障，并评审一段 AI 生成代码的质量。 4.团队与业务面：技术深度复核 + 业务性质的双向确认。 5.发放 Offer 。

我们能提供什么 •月薪 30–40K + 奖金，按能力与资历定档。 •AI 原生团队：远程优先、少政治、快速出成果，鼓励一切能提效的做法。 •顶配 AI 工具与算力：Cursor / Claude Code / Codex 等付费额度管够。 •需求清晰、目标明确的工作机制，不做无头绪的活。 •真实进生产的系统与数据：我们做的是能跑、被真实使用、能规模复制的系统，不做 PPT 工程。

业务性质与投递说明 请先确认自己能接受以下业务特点 •业务处于出海营销 / 流量赛道，重度使用 Telegram 生态，涉及链上结算与站群、商务自动化。 •交付以 私有化部署 为主，对安全与风控敏感。 •节奏快、需求变化频繁，需接受多时区 / 夜间响应。 •介意以上任一点的候选人请勿投递——我们希望在第一步就双向筛掉不匹配，节省彼此时间。

投递请附 1.个人简历。 2.2–3 个最能代表你能力的项目说明，务必包含 至少 1 个用 AI Agent / 工具链做的项目，写清你用了什么工具、具体怎么用、成果如何量化。 3.（可选） GitHub / 作品链接。 简历投递邮箱 [e-mail]

agent 架构师

20k-35k

AI 平台架构师 / AI 基础设施架构师 岗位方向：AI Platform / Agent Infrastructure / Cloud Native / GPU Infrastructure 经验要求：8 年以上开发/架构经验，3 年以上 AI 相关项目经验优先 岗位职责 负责公司 AI 平台及 AI 应用基础设施的整体架构设计与技术落地，支撑 AI Agent 、AIGC 图像/视频、大模型 API 、模型推理等业务稳定运行。 不仅要求具备传统后端及云原生架构能力，还需要理解当前 AI 应用的技术体系，能够完成从： AI 应用 → Agent → 模型服务 → GPU 算力 → Kubernetes → DevOps → 可观测性 的完整技术架构设计。

1. AI 平台架构 负责公司 AI 平台整体技术架构设计、技术选型及核心模块建设。 负责 AI Agent 、LLM 、AIGC 图像/视频等业务的基础架构设计。 建设统一 AI Gateway ，对接 OpenAI 、Claude 、Gemini 、DeepSeek 、Qwen 、MiniMax 及私有部署模型。 设计统一模型调用层，实现模型路由、Fallback 、负载均衡、限流、熔断、重试及成本控制。 设计 Agent Runtime / Tool Runtime ，支撑 Tool Calling 、MCP 、Workflow 、异步任务等能力。 建设模型、Prompt 、Agent 、Workflow 的版本管理和发布体系。 负责 AI 服务高可用、高并发、可扩展架构设计。
2. Python / Go 后端架构 熟练使用 Python + Go 进行后端及基础设施开发。 Python 方向熟悉 FastAPI 、Pydantic 、AsyncIO 、Celery 等常见技术。 Go 方向熟悉 Gin 、Fiber 、gRPC 等技术体系。 熟悉 REST API 、WebSocket 、SSE 、gRPC 等通信方式。 熟悉微服务、分布式系统、任务队列、缓存、数据库及对象存储等基础架构。 能够针对 AI 长任务、GPU 任务设计异步任务系统。 具备高并发、限流、熔断、降级、幂等、重试、分布式锁等实际工程经验。
3. Kubernetes / 云原生 精通 Kubernetes 生产环境部署及运维。 熟悉 Deployment 、StatefulSet 、DaemonSet 、Job 、CronJob 、Service 、Ingress 、HPA 、PVC 等核心资源。 熟悉 Helm / Kustomize 。 能够设计多 Namespace 、多环境、多集群部署架构。 熟悉 Pod 调度、资源限制、健康检查、滚动更新、自动扩缩容。 能够快速定位 Pod Pending 、OOMKilled 、CrashLoopBackOff 、MinimumReplicasUnavailable 等常见问题。 熟悉 GPU Kubernetes 调度，包括 NVIDIA Device Plugin 、GPU Resource 、Node Selector 、Affinity/Taint/Toleration 等。 有 EKS / ACK / GKE / Azure AKS 等公有云 Kubernetes 生产经验优先。
4. GPU / AI Infra 理解 GPU 推理服务的部署和资源管理。 熟悉 NVIDIA GPU 、CUDA 、显存、GPU Utilization 等基本概念。 能够设计 GPU 资源池及任务调度机制。 熟悉多 GPU / 多节点推理场景。 熟悉模型加载、模型缓存、冷启动、显存回收及 OOM 处理。 理解 FP16 / BF16 / FP8 / INT8 / INT4 等推理优化方式。 有 vLLM 、SGLang 、TensorRT-LLM 、Triton Inference Server 等经验优先。 有 ComfyUI / Diffusers / 图像视频生成任务的 GPU 调度经验优先。
5. CI/CD & DevOps 负责公司 AI 系统完整 DevOps 体系建设，包括： Git → Build → Test → Image → Registry → Deploy → Monitor → Rollback 熟悉 Git / Gitea 。 能够基于 Gitea Actions / Drone / Jenkins / Argo CD 等建设自动化流水线。 熟悉 Docker 镜像构建及镜像优化。 熟悉 Harbor 或其他 Docker Registry 。 熟悉 Helm 自动化部署。 熟悉 GitOps 。 能够设计 Dev / Test / Staging / Production 多环境发布体系。 支持灰度发布、滚动发布、蓝绿发布及快速回滚。 建设代码、镜像、配置、模型、Workflow 的版本追踪体系。
6. 云计算架构 熟悉 AWS / 阿里云 / 腾讯云 / GCP 等至少一种主流云平台。 熟悉 VPC 、Subnet 、NAT Gateway 、Load Balancer 、安全组、DNS 等基础网络。 熟悉对象存储 S3 / OSS 。 熟悉 CDN 。 熟悉云数据库、Redis 、消息队列等云服务。 能够设计跨区域 / 多云架构。 能够针对 AI GPU 业务进行云资源成本优化。 有混合云 / 本地 GPU + 云 GPU 架构经验优先。
7. 可观测性与稳定性 建设完整的： Metrics + Logs + Traces + Alerts 可观测体系。 熟悉： Prometheus Grafana Loki / ELK / OpenSearch OpenTelemetry Jaeger / Tempo 能够针对 AI 系统建立： API 请求耗时 Token 消耗 模型成功率 Agent Task 成功率 Workflow 执行时间 GPU 利用率 GPU 显存 Queue Length 模型推理耗时 单任务成本 等关键指标。 负责线上故障定位、容量规划、性能优化及稳定性治理。 任职要求 必备能力 计算机相关专业本科及以上学历优先。 8 年以上软件开发 / 架构相关经验。 有大型互联网系统、AI 平台或云原生平台架构经验。 熟练掌握 Python 和 Go ，至少一门达到高级水平。 熟悉 Linux / Docker / Kubernetes 。 有 Kubernetes 生产环境实际管理经验，而不仅仅是部署过 Demo 。 熟悉微服务及分布式系统设计。 熟悉 MySQL / PostgreSQL / Redis / MQ / Object Storage 等基础组件。 熟悉 Gitea / GitLab / GitHub 等代码管理体系。 有完整 CI/CD Pipeline 建设经验。 熟悉至少一种主流公有云。 有良好的系统设计能力。 简历投递邮箱 [e-mail]