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。