AI后端开发工程师

一、岗位职责
1.架构设计与落地：负责AI产品（如AIGC应用、智能客服、推荐系统、知识图谱平台等）的后端架构设计，构建高可用、低延迟的推理服务架构。
2.AI工程化：负责将算法模型（包括但不限于大语言模型LLM、图像生成模型）封装为高并发RESTful/gRPC API，解决模型推理过程中的性能瓶颈。
3.图数据服务化：负责图数据库的选型、建模与API封装，支撑知识图谱存储、复杂关系查询、图计算等场景，实现图数据与AI推理链路的深度融合。
4.链路优化：针对AI应用特有的流式传输（SSE/WebSocket）、异步任务队列、多模型编排（LangChain/LlamaIndex方向）进行深度优化。
5.资源管理：负责GPU/CPU资源的调度与监控，优化模型部署成本，处理模型版本迭代与A/B测试。
6.数据处理：参与AI应用的数据飞轮建设，包括向量数据库的管理、图数据治理、Prompt工程的后端支持、用户反馈数据的闭环处理。
二、 任职要求
1.基础硬性条件
学历：计算机、数学、通信等相关专业，本科及以上学历。
经验：5年以上服务端开发经验，至少1年以上AI应用或AI平台相关开发经验。
2.后端工程能力
语言：熟练掌握 Python（AI生态首选）或 Golang/Java（高并发优势）。如果使用Python，需深刻理解其GIL限制、异步IO（asyncio）及常见性能优化手段；如果使用Java/Go，需有较强的并发编程能力。
架构：精通微服务架构，熟悉Docker、Kubernetes，有实际的Service Mesh或云原生部署经验。
数据库：熟悉关系型数据库（PostgreSQL/MySQL）及非关系型数据库（Redis）。
中间件：熟练使用消息队列（Kafka/RocketMQ）处理异步任务（如文生图的长任务）。
3.AI工程化能力
推理框架：熟悉 Triton Inference Server、vLLM、TensorRT 或 ONNX Runtime 中的至少一种，有实际优化模型吞吐量的经验。
大模型应用：熟悉 LangChain、LlamaIndex 等框架，理解RAG（检索增强生成）的全链路实现（包括文档解析、分块、Embedding、向量检索、重排）。
向量数据库：熟练使用 Milvus、Pinecone、Qdrant 或 Redis Stack 中的至少一种，有大规模向量检索的调优经验。
图数据库：熟悉至少一种主流图数据库（如 NebulaGraph、Neo4j、JanusGraph、ArangoDB），掌握图建模原则、nGQL/Cypher/Gremlin等查询语言，有图数据与向量数据协同（知识图谱+RAG）实践经验者优先。
模型运维：了解 MLOps 理念，熟悉模型从训练、打包、部署到监控的全流程管理。
三、 加分项
1.全栈能力：有Vue/React等前端基础，能独立开发AI Demo或插件（Chrome Extension）者优先。
2.底层优化：熟悉CUDA编程，或有算子融合、显存优化经验者。
3.特定领域：
有RAG评估体系搭建经验、Agent开发经验，或熟悉语音/视频多模态处理者。
有知识图谱构建与推理经验，熟悉图神经网络（GNN）、图算法（PageRank、Louvain、最短路径等）在业务中的落地者优先。