面壁
Explore the company, its evidence and the work.
This directory lists opportunities from external company sites. View platform-selected jobs →
ABOUT THE COMPANY / TEAM
面壁
Startup
MiniCPM端侧与多模态模型、VoxCPM语音模型、端侧座舱及Agentic基础设施
Company website ↗
Recruitment status unknown · Last observed 2026-10-17
我们正在寻找一位动手能力强、视野开阔的智能体研发工程师，加入 AI for Science 团队。你将负责让智能体走出对话框，去规划、执行并闭环调控真实的科学实验系统，通过大量自动化实验与评测比对，为每一类科学任务找到最可靠的智能体设计与反馈机制。更重要的是，你将直面 AI4S 当下最硬的一个问题，模型报告的“变好”，究竟是真的变好，还是只是把指标刷高了。这里的每一天，都是在为科学发现的自动化建立可信的底座。
【岗位亮点】
- 让智能体真的动手：不是 benchmark 上的 agent，而是接到真实科学系统上的 agent。它要自己提假设、下参数、看结果、改方案，并且承担做错的后果。这类闭环经验目前非常稀缺。
- 做 AI4S 里最难的那一层：可信评测。区分“物理上真的改善”与“指标被刷高”，本质上和 reward hacking、agent evaluation、过程奖励是同一个问题，只是在这里有物理定律作为唯一裁判，对错没有模糊空间。
- 成果有双出口：顶刊论文与开源代码同时推进。你的工作会被外部复现和引用，而不是沉在内部 repo 里。
【岗位职责】
1. 智能体系统构建与闭环实验
•设计并实现面向科学任务的智能体，涵盖任务规划、工具调用、状态记忆与多轮反馈；
•将智能体接入真实实验平台，完成从需求到闭环运行的全过程，处理真实数据中的漂移、噪声与失败样本；
•针对不同任务类型，比较不同智能体架构与反馈机制的实际表现，输出方案选型报告。
2. AI4Physics 建模与物理先验融合
•将物理前向模型与神经网络结合，解决逆问题、重建与参数反演类任务；
•探索用物理仿真替代真实标注数据的可行边界，验证零样本与跨域泛化能力；
•完成系统的消融实验，说明性能提升到底来自哪里。
3. 评测体系与知识沉淀
•建立智能体评测集与实验数据库，记录不同任务、不同设定下的最优配置，形成内部选型规范；
•设计能识别指标欺骗的评价指标与对照实验，保证结论可复现、可追溯；
•定期整理典型案例，输出技术报告与开源文档，为团队积累实战经验。
职位要求
1. 教育背景
•统招全日制本科及以上学历，计算机、人工智能、自动化、应用数学、物理、光电、精密仪器等相关专业均可；
•【接受应届】欢迎 2026 届优秀应届生投递，我们将安排资深研究员带教，从模型实现到实验闭环全程辅导。
2. 专业与动手能力
•在以下方向中至少有一项扎实经验：大模型与智能体（planning、tool use、memory、multi-agent）、强化学习、生成模型、逆问题与优化；
•熟练使用 PyTorch，能独立完成从数据、训练到评测的完整链路，读得懂论文并复现得出来；
•有 benchmark 设计、模型评测或 reward hacking 相关经验者优先；
•对物理或实验科学有基础了解或强烈学习意愿者
Reported open · Last observed 2026-10-17
一、关于我们
我们是一家专注于端侧 AI 与大模型技术的创新企业，致力于推动大模型在汽车智能座舱、车载 Agent、多模态交互、智能车控等场景的规模化落地。随着汽车行业进入 AI 原生时代，我们正在构建下一代车载 AI 操作系统与 Agent 平台，面向主机厂、Tier1 及生态合作伙伴提供领先的端侧大模型解决方案，助力车企打造差异化的智能座舱体验与核心竞争力。
二、职位描述
作为汽车行业的 Jr 产品经理，你将负责智能座舱内大模型应用的产品规划与落地，涵盖智能语音助手、场景化服务推荐、个性化座舱等核心方向。需要深入挖掘车载场景下的用户需求与创新机会，将产品定义转化为可执行的开发任务，并协同 AI 研发、硬件、软件等多团队推动产品从工程样件走向量产落地，对最终产品体验与质量负责。
三、岗位职责
1.负责智能座舱内大模型应用（如智能语音助手、场景化服务推荐、内容生成、个性化座舱等）的产品规划、路线图制定和版本管理。
2.深入分析行业趋势、竞争格局和用户需求，挖掘大模型在车载场景下的核心价值点和创新机会，定义具有竞争力的产品特性。
3.将产品需求（PRD）转化为可执行、可测试的开发任务。深度参与开发、测试和集成全过程，确保技术实现精准匹配产品定义，并对最终的产品体验和质量负责。
4. 作为项目核心驱动者，高效协同AI研发、硬件、软件、设计、市场及供应商等多个团队，确保产品目标一致并顺利推进。
5.协同团队完成产品从工程样件到量产版本的打磨。支持解决量产过程中的相关问题，确保产品功能、性能与用户体验稳定落地于量产车型。
职位要求
1.计算机、软件工程、电子工程、车辆工程等相关专业优先。
2.3年以上产品经理经验，具备AI产品（尤其NLP/大模型相关）或智能座舱/车联网产品经验者优先。
3.出色的逻辑思维、用户洞察力和数据驱动决策能力；优秀的沟通、协调和项目管理能力，能够驾驭复杂跨团队合作；具备强烈的自驱力、责任感和在模糊领域中发现并定义问题的能力。
4.有实际的大模型应用（Prompt工程、Agent设计等）项目经验。
Reported open · Last observed 2026-10-17
我们正在构建面向大模型量化场景的「自我优化」Agentic 原生基础设施，将量化研发与部署优化从人工驱动升级为自治系统，你将深度参与量化算法研究、Agentic 范式探索与跨硬件 Infra 建设，打造下一代量化工程体系。
1. 负责大模型量化算法研究与实现，覆盖 PTQ/QAT/ 低比特量化在大模型及多模态模型的落地，重点针对 GPU/NPU/ 端侧芯片等各类硬件平台设计并优化量化方案，平衡精度与推理性能
2. 构建 Agent 原生的统一量化研发工作流，实现从量化方案定义到跨硬件落地交付的全流程自治闭环
3. 搭建标准化量化评测体系，推动基础设施向自我优化的 Agent 驱动系统演进
4. 跟踪量化与 Agentic Infra 前沿技术，在真实跨硬件量化项目中完成技术落地与迭代
职位要求
1. 硕士及以上学历，计算机 / 人工智能 / 电子工程相关专业
2. 熟练使用 Python，熟悉 Transformer 架构。了解大语言模型结构特点与计算瓶颈，具备扎实的代码能力
3. 深入理解模型量化原理，熟悉 PTQ/QAT 等技术，掌握 GPTQ/AWQ/SmoothQuant 等主流量化算法实现
4. 扎实的加速器硬件和 AI Infra 系统知识，具备对应算子开发与性能调优经验
5. 具备复杂系统拆解与问题定位能力，对评测敏感，能判断量化指标可信度与实验有效性
6. 认可 AI Native 方向，具备快速跟进前沿研究与算法复现能力
加分项
1. 量化相关论文发表或开源项目贡献，具备跨硬件平台软硬协同优化经验
2. 熟悉 KV Cache/Activation 量化等大模型量化与推理优化技术，有 TVM/MLIR/ONNX Runtime 等 AI 编译器相关实践经验
3. 有 Agent 评测体系 / 量化 Harness 建设经验，或评测体系 / 评测集构建经验（用例生成、LLM-as-judge 等）
4. 对 Agent 有深入实践（tool use/planning/multi-agent 等），有活跃开源项目或对社区有实质贡献
Reported open · Last observed 2026-10-17
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
Reported open · Last observed 2026-10-17
1. 智能体后端系统开发
- 负责基于大语言模型的智能体（Agent）应用后端架构设计、核心模块开发与持续优化，涵盖：
- 任务规划、任务拆解与执行调度；
- 工具调用、插件系统及外部系统集成；
- 多轮对话、上下文管理与长期记忆；
- 工作流编排、多 Agent 协作及 Human-in-the-Loop 机制；
- RAG 检索增强生成、知识库服务及数据处理流程；
- 模型路由、多模型调度、失败重试与降级策略。
2. 高性能后端服务建设
- 使用 Python 或 Go 构建高可用、高并发的 API 服务和微服务系统；
- 实现模型请求编排、流式输出、异步任务、任务队列及长耗时任务管理；
- 负责模型服务接入、调用链路管理、限流熔断、超时控制及异常处理；
- 负责服务接口、数据结构和系统模块设计，保障系统的稳定性、可扩展性与可维护性；
- 负责数据库设计与优化，包括 PostgreSQL/MySQL 的表结构、索引、事务及数据一致性；
- 使用 Redis、消息队列等中间件提升系统性能和可靠性；
- 负责向量检索、文档解析、Embedding、Rerank 等 RAG 相关后端能力建设。
3. 模型服务化与推理工程
- 协同算法团队完成大模型、Embedding、Rerank 等模型的服务化封装；
- 负责模型调用网关、推理服务编排及模型资源调度；
- 参与 vLLM、Ollama 等模型服务部署与性能优化；
- 针对吞吐、延迟、并发、显存使用及调用成本进行优化；
- 建立模型服务的监控、评测、日志追踪和故障排查机制。
4. 系统部署与现场交付
- 负责基于 Docker/Kubernetes 的后端服务容器化部署；
- 设计并维护 CI/CD 流水线，提升研发交付效率；
- 负责私有化环境适配、系统安装部署、配置管理和版本升级；
- 支持项目现场交付、生产上线、性能调优及问题排查；
- 建设服务监控、日志采集、链路追踪和告警体系，保障生产环境稳定运行。
5. 需求协同与技术沉淀
- 对接产品、业务及客户团队，完成需求分析、技术拆解和方案设计；
- 与前端、算法及交付团队协作，推动智能体能力产品化落地；
- 沉淀智能体后端架构、服务治理、模型接入及私有化部署的工程实践；
- 参与技术规范、代码质量、自动化测试和团队知识库建设。
职位要求
1. 教育背景与工作经验
- 本科及以上学历，计算机、软件工程、人工智能等相关专业；
- 3 年以上后端开发或分布式系统研发经验；
- 有大模型应用、智能体系统或 AI 产品后端落地经验者优先。
2. 后端开发能力
- 精通 Python，熟悉 Go 者优先；
- 熟练掌握 FastAPI、Flask、Django 等至少一种后端框架；
- 熟悉异步编程、并发处理、微服务架构和 RESTful API 设计；
- 熟悉
Reported open · Last observed 2026-10-17
1. 负责企业级 Agentic Infra 私有化部署架构设计，覆盖 Kubernetes、GPU / NPU 资源、模型 Serving、对象存储、消息队列、日志监控、权限与网络安全等关键组件。
2. 面向运营商、金融民生等客户复杂 IT 环境，完成部署方案、资源评估、容量规划、网络拓扑、数据安全、容灾与运维方案设计。
3. 负责大模型推理服务、Agent Runtime、RAG 服务、Workflow 编排、工具调用、权限网关、审计日志等能力的工程集成。
4. 针对客户私有化环境中的性能、稳定性、成本和兼容性问题，进行系统级优化，包括推理吞吐、延迟、显存利用、缓存策略、并发控制和服务降级。
5. 建设标准化部署包、环境检查工具、自动化验收脚本等，提升项目交付效率。
6. 与 FDE、解决方案、产品团队协同，将灯塔项目中的部署经验沉淀为可复制的 Agentic Infra 行业交付基线。
职位要求
1. 本科及以上学历，计算机、软件工程、人工智能等相关专业。
2. 3 年以上后端、平台架构、云原生、AI Infra、模型 Serving或企业级私有化交付经验。
3. 熟悉至少一种大模型推理或 Serving 框架，如 vLLM、SGLang、TensorRT、ONNX等。
4. 理解 RAG、Agent Runtime、Tool Use、Workflow 编排、权限与审计等大模型应用基础设施。
5. 具备复杂线上问题排查能力，能从网络、资源、服务、模型、数据、并发和客户环境多维度定位问题。
加分项
1. 有运营商、金融、政企、央国企等客户私有化交付经验。
2. 有 GPU 集群、国产化算力、昇腾 / 昆仑 / 寒武纪等平台适配经验。
3. 有 LLMOps 平台、智能体平台、RAG 平台或模型网关建设经验。
4. 有信创、数据不出域、内外网隔离、权限审计等合规场景经验。
Could this role be right for me?
Ask your Agent to connect the role with your experience, goals, skill gaps and open questions.
