资深 Ai 技术架构工程师

关于我们： 我们是一家以AI Native为核心的初创公司，专注一件难而正确的事：为中国近亿乡村及欠发达地区学生，打造软硬件一体的 AI 教育生态，攻克教育公平的 “最后一公里”。 我们相信：这个时代最稀缺的特质是 高主动性（High Agency）。即无需指令，主动发现问题、推动解决。我们正在寻找同频、有才华的你，一起做有长期价值的事。 我们提供什么： - 事情有意义：让 AI 成为人人可获得的智力资源，让因材施教真正成为每个人的日常，而不是少数人的特权。 - 影响力大：在小而精的团队，每个人都拥有远超大公司的责任和影响力。你的想法能够快速进入产品、影响真实用户，而不是淹没在漫长的流程中。 - 成长快：鼓励创造价值而非按部就班，拥有高速反馈循环，在真实业务中快速提升能力。 - 氛围好：年轻、开放、有趣的团队文化，大家热衷 AI 学习、实践和分享，一起探索最前沿的应用。 - 机会多：公司已获得融资，处于高速发展阶段。优秀成员拥有快速晋升机会，并有机会获得早期员工期权。 关于岗位： 一句话定位：这不是一份"按需求写代码"的工作。你要解决的问题是：当产品的核心是 LLM 和 Agent 时，如何设计一个经得起模型不稳定、需求快速变化、真实用户高频使用的系统？如何用 AI 编程工具把自己放大成一个小团队，独立扛起一条产品线？ 你会做什么： - 产品线端到端技术负责 - 独立负责一条 AI 产品线从产品意图到用户可用的全部技术环节：架构设计、前后端开发、模型接入、部署运维，一人闭环。 - 技术选型由你决策、由你负责。我们期待你能说清"为什么选它、什么条件下会换掉它"。 - 设计边界清晰、可演化的系统架构：既能几天内交付可用链路，又不把未来写死。 - 多 Agent 系统的设计与治理 - 设计产品内的多 Agent 协作系统：任务规划、工具调用、记忆管理、执行监控。 - 把 AI 功能做成生产级系统：建立评测与可观测性，出错能定位到具体环节（哪一步 / 哪个工具 / 哪个 Prompt）。 - 为模型的不确定性设计兜底与降级方案——系统在模型不稳定时依然给用户"能用的结果"。 - 主动优化调用成本与延迟，在效果、成本、速度之间做出工程判断。 - 真实场景中的快速迭代 - 深入真实教学使用场景，把一线用户的反馈快速转化为验证过的系统改进。快，但改完必测，分得清"能快"和"不能快"。 - 面对模糊需求主动拆解并推进，不等需求完整；与产品一起做减法，持续降低用户的使用复杂度。 - 与分布式协作的技术伙伴清晰约定接口契约，保证多条产品线的底座协同。 - AI 原生的工作方式 - 深度使用 AI 编程工具（Claude Code 等）组织自己的开发工作流：拆解任务、编排 agent、验证产出，以一当多。 - 你自己就是"AI 如何放大工程师"的活样本，你的工作流会成为团队的最佳实践。 我们希望你： - 必备： - 经验：3年以上全栈开发经验，其中有深度的 LLM 应用开发经验（RAG / Agent / Prompt 工程），做过真实上线运营的 AI 产品。 - 架构能力：能独立完成生产级系统的架构设计，如服务拆分、数据模型、缓存与降级、部署方案；理解分布式系统的核心权衡，并能根据业务阶段选择恰当的复杂度。 - 全栈能力：后端精通 Python（FastAPI 等异步生态）或 Java（Spring 体系）之一；前端熟练掌握 React 或 Vue，能处理好 AI 场景下的流式响应（SSE / WebSocket）与中断重连；熟悉向量数据库与 AI 知识库检索。 - AI 系统能力：理解多 Agent 架构的核心问题（编排、记忆、工具调用、评测），能根据业务场景做框架选型（LangChain / LlamaIndex / 自研）而不是硬套框架；清楚当前模型能力的边界，知道什么该交给模型、什么必须靠工程兜底。 - 独立判断力：在信息不全、没有人可商量的情况下敢于决策，且决策质量经得起事后检验；对自己和 AI 的产出都有验证习惯，不验证不上线。 加分项： - 有 ToB、教育或其他复杂业务场景的交付经验。 - 有"产品感"：能判断一个需求"值不值得做"，而不只是"能不能做"。 - 活跃的开源贡献者，或有高质量的技术博客 / GitHub 项目。 - 有创业或者 OPC 经验者优先。 基本信息 - 薪资范畴：面议 + 早期期权 - 地点：杭州拱墅区远洋国际中心（需不定期赴用户现场） - 汇报对象：CEO