# 全栈开发工程师-智能体方向 External opening: you cannot apply through AI Native Match; apply on the official site. Apply through the official channel. The full external receipt stays in your workspace. When signed in, three minimal event types explicitly recorded through the CLI are reported by default: selection, self-reported application and channel observation. Browsing or saving a role does not report an event; external applications do not appear under My applications. - Company: 面壁 (Startup) - Locations: 北京 - Role: Engineering - Apply on the official site: https://modelbest.jobs.feishu.cn/career/position/7677810501644339466/detail ## Role description from source 1. 智能体应用工程化开发：负责基于大模型的智能体（Agent）应用的架构设计、工程实现与迭代优化，涵盖任务规划、工具调用、多轮对话、记忆管理等核心能力建设，完成工作流编排、多 Agent 协作、Human-in-the-Loop 交互、RAG等功能的工程化落地与优化。 2. 前后端全栈开发：负责智能体应用的后端服务开发，基于 Python 或 Go 构建高可用 API 服务，实现流式输出、异步任务、模型服务调度等核心能力；负责前端交互界面开发：基于 React 或 Vue 3 构建智能体对话界面、任务可视化面板、管理后台等，实现前后端联调与数据交互；负责数据库设计（PostgreSQL/MySQL）、缓存策略（Redis）及系统集成，保障系统性能与数据一致性。 3. 系统部署与现场交付：负责基于 Docker/K8s 的容器化部署方案设计与实施，搭建 CI/CD 流水线，保障项目的高效迭代与稳定运行。承担项目到用户现场的部署交付工作，包括私有化环境适配、系统安装部署、性能调优、上线护航等。负责系统的运维监控体系建设，保障生产环境的稳定性与可观测性。 4. 需求协同与技术沉淀：对接产品与业务团队，拆解客户需求并转化为可落地的技术方案。协同算法团队完成模型服务化封装与推理优化，推动 AI 能力的产品化落地。沉淀工程化最佳实践，参与团队技术能力建设与知识沉淀。 职位要求 1. 教育背景与经验：硕士及以上学历，计算机、软件工程、人工智能等相关专业。3 年以上全栈开发经验，有 AI 产品或智能体应用落地经验者优先。 2. 技术能力 - 智能体与大模型工程：熟悉 LLM 应用开发框架，具备 Agent 工作流编排、工具链开发的实践经验。了解 RAG 系统构建流程，熟悉向量数据库（Milvus/FAISS/Chroma 等）的使用与优化。熟悉 Prompt 工程、多模型调度、流式输出等大模型工程化技术。 - 后端开发：精通 Python，熟悉 FastAPI/Flask/Django 等后端框架，具备异步编程与微服务架构经验。熟悉数据库设计与优化（PostgreSQL/MySQL），了解 Redis、消息队列等中间件。 - 前端开发：熟练掌握 React 或 Vue 3 等主流前端框架，能独立完成交互式 Web 界面开发。 - 部署运维：熟悉 Docker/K8s 容器化部署，具备 CI/CD 流水线搭建经验。熟悉 Linux 运维、Nginx 配置、服务监控等基础运维技能。 3. 综合素质 - 具备良好的需求拆解与问题排查能力，能独立完成从需求分析到交付上线的全流程。 - 具备 To B 项目或私有化交付经验者优先。 - 具备强烈的 Owner 意识与跨团队协作能力。 - 善用 AI 编程工具（如 Cursor、Copilot 等）提升开发效率。 四、加分项 - 有防务、政企等行业项目交付经验。 - 熟悉模型服务化部署框架（vLLM、Ollama 等）及推理加速技术。 - 有大规模 Agent 系统或多智能体协作项目的完整落地与迭代经验。 - 参与过开源大模型 / Agent 框架社区贡献，或有相关赛事获奖经历。 --- opening_id: 4f2d8128-f2f9-43f4-b79a-b59bdba5389d `anm openings save --id 4f2d8128-f2f9-43f4-b79a-b59bdba5389d`