全栈工程师

项目背景： 我们正在开发一款从“剧本”到“最终输出视频”的无限画布类 AI 工具整合平台。该平台旨在将大语言模型、图像生成、视频生成及音频合成等多种 AI 能力串联，为创作者提供一站式的可视化节点编辑与视频生成体验。 核心能力要求： 1. 无限画布与复杂前端交互 (Frontend & Canvas) - 精通 React 或 Vue.js，具备复杂单页应用（SPA）开发经验。 - 深入理解 Canvas / WebGL 技术，熟练使用 Konva.js, Fabric.js, PixiJS 或 React Flow 等库开发“无限画布”和节点式编辑器（Node-based Editor）。 - 熟练掌握复杂前端状态管理（如 Zustand, Redux），处理画布上大量元素的渲染与交互性能优化。 2. AI 模型生态与 API 集成 (AI & Model Integration) - 熟悉主流生成式 AI 模型的 API 调用与微调逻辑： - 文本 (LLM): GPT-4, Claude, Gemini（用于剧本解析、分镜脚本生成）。 - 图像 (Image): Stable Diffusion (ComfyUI API), Midjourney, DALL-E 3,等图像生成模型的 API 对接。 - 视频 (Video): Runway Gen-2, Pika, Sora, Veo 等视频生成模型的 API 对接。 - 音频 (Audio): ElevenLabs, 剪映 TTS 等语音生成与音效匹配。 - 极度熟悉 ComfyUI 或 Stable Diffusion WebUI 的底层逻辑，能够通过 API 触发并管理复杂的 ComfyUI 工作流（Workflow）。 3. 后端架构与异步任务调度 (Backend & Orchestration) - 熟练使用 Python (FastAPI/Django) 或 Node.js (NestJS/Express) 构建高并发后端。 - 掌握异步任务队列（如 Celery, RabbitMQ, Redis Queue），因为 AI 视频生成是典型的长耗时任务。 - 熟练使用 WebSocket 或 Server-Sent Events (SSE) 实现前端画布与后端生成进度的实时通讯。 4. 音视频处理技术 (Video & Audio Processing) - 精通 FFmpeg，能够通过代码进行视频剪辑、拼接、转场、添加字幕和音轨对齐。 - 了解 OpenCV 或 MoviePy 等视觉与视频处理库。 5. 系统部署与 GPU 算力管理 (DevOps & GPU) - 熟悉 Docker, Kubernetes，能够在云端（AWS, 阿里云等）部署和管理 GPU 实例。 - 了解 Serverless GPU 方案（如 RunPod, Modal, Replicate）以优化算力成本。 加分项： - 有过类似 AI 视频生成工具、剪辑工具（如剪映 Web 版）、或无限画布白板（如 Miro, FigJam）开发经验。 - 懂一些基础的提示词工程（Prompt Engineering）和 AI 绘画/视频生成调优经验。