模树创智是一家AI初创公司，致力于打造下一代可信Token流通网络，为企业级客户提供Token运营服务及AI应用服务。
我们在寻找
# AI Native 产品工程师（大模型平台方向）
## 岗位介绍
我们希望找到能够独立完成产品研发与交付的工程师。
团队不划分前端和后端岗位。你需要理解产品需求，完成界面、服务端、数据处理、测试、部署和线上排障，并对最终结果负责。
日常开发默认重度使用 AI。AI 不只是代码补全工具，而是参与需求分析、方案设计、编码、测试、调试、代码审查、文档编写和运维排障的工作伙伴。
## 工作内容
### 1. 端到端完成产品功能
- 理解需求并拆分可交付任务；
- 完成交互界面、API、业务逻辑和数据模型；
- 编写自动化测试并验证边界情况；
- 完成容器化、部署、监控和上线；
- 跟踪线上反馈并持续迭代。
不以“这属于前端”或“这属于后端”划分责任。功能是否真正可用，是交付标准。
### 2. 建设大模型平台能力
参与模型聚合与分发平台的产品研发，包括：
- 多模型统一接入；
- 标准化 API 和 SDK；
- 鉴权、限流和配额管理；
- 模型路由、重试和故障切换；
- 流式响应和工具调用；
- Token 及用量计量；
- 多租户和团队权限；
- 成本、预算和账单管理；
- 调用日志及可观测性。
### 3. 使用 AI 完成日常开发
- 使用 AI Agent 进行代码生成、重构和迁移；
- 为 AI 提供必要的代码库上下文和约束；
- 将复杂任务拆成可以验证的小步骤；
- 设计测试、评估结果并识别 AI 生成代码中的问题；
- 使用 AI 阅读陌生代码、分析日志和定位故障；
- 沉淀可复用的 Prompt、规则、工作流和开发工具。
我们关注的是最终交付质量，不是 AI 生成了多少代码。
### 4. 负责部署与线上运行
- 编写和维护构建、发布及部署配置；
- 管理开发、测试和生产环境；
- 建立日志、指标、链路追踪和告警；
- 处理容量、性能、稳定性和安全问题；
- 能够独立定位从浏览器到基础设施的完整链路故障。
## 任职要求
- 能够独立完成一个产品功能的设计、开发、测试和部署；
- 熟悉至少一种服务端语言，如 Go、Python、Java、Rust；
- 能够使用 TypeScript 和主流 Web 技术完成产品界面；
- 熟悉 HTTP、API、数据库、缓存和异步任务；
- 具备基本的分布式系统设计能力；
- 熟悉 Docker、Linux 和常见云服务；
- 能够使用 Kubernetes 或其他方式部署和维护线上服务；
- 理解自动化测试、CI/CD、监控和故障排查；
- 对大模型 API、Streaming、Token、Context 和 Tool Calling 有基本认识；
- 能审查和验证 AI 生成的代码，而不是未经确认直接提交；
- 具备清晰的书面沟通和技术文档能力。
## AI Native 能力要求
我们希望你已经把 AI 融入日常工作，而不是“偶尔使用 Copilot”。
你应该能够：
- 根据任务选择合适的模型和工具；
- 编写清晰的任务说明、约束和验收标准；
- 让 AI 在已有代码库中安全地修改代码；
- 控制上下文，避免无关信息和错误假设；
- 通过测试、静态检查和实际运行验证结果；
- 识别幻觉、不完整实现和隐蔽的安全问题；
- 在 AI 无法解决问题时回到工程原理完成判断；
- 持续改进个人与团队的 AI 开发工作流。
## 加分项
- 使用 AI Agent 完成过真实产品的端到端开发；
- 有大模型网关、API 平台或开发者平台经验；
- 有多租户、权限、配额、计量或计费系统经验；
- 熟悉高并发、流式响应及实时调用链路；
- 有 Kubernetes 生产环境运维经验；
- 熟悉消息队列、工作流引擎和可观测体系；
- 参与过开源项目，或有可演示的个人产品；
- 能够同时处理产品、设计、工程和部署问题。
## 我们不希望看到
- 把 AI 当成搜索引擎，只用于查询语法；
- 无法解释自己提交的 AI 生成代码；
- 只完成局部编码，不关心功能是否上线；
- 遇到界面、部署或数据库问题就停止推进；
- 用技术栈和岗位边界代替对交付结果负责；
- 缺少验证意识，认为“代码生成出来”就代表任务完成。
## 面试方式
面试会更关注真实交付能力，而不是背诵题目。
候选人可能需要：
- 介绍一个由自己端到端完成的产品；
- 演示日常使用 AI 开发的工作流；
- 现场拆解并实现一个小型功能；
- 解释如何验证 AI 生成代码；
- 分析一段存在问题的实现或线上故障；
- 说明如何把功能部署到可访问的环境。