核心职责 一、FastAPI + ToolUniverse融合架构设计异步高性能API网关（async/await+uvicorn），集成ToolUniverse工具调用链，支持千级并发 1、开发Pydantic动态验证模型：适配FASTA/PDB/SDF等生物数据格式的自动校验与向量化处理 2、构建模型版本管理与GPU资源池化系统：通过FastAPI依赖注入实现多模型热切换与动态显存分配 3、实现中间件级可观测性：监控请求延迟、GPU显存占用、模型推理QPS（Prometheus+Jaeger） 二、生物模型深度集成与优化 基于ToolUniverse SDK封装12+主流模型：AlphaFold2, UTR-LM, ProteinMPNN, RiboNN, ColabFold 1、构建标准化Bio-API Schema：统一序列→结构→功能的端到端工作流（自动生成OpenAPI文档） 2、开发异步批处理引擎：支持万级蛋白序列的非阻塞队列处理（Celery/arq），结合ToolUniverse任务分发能力 3、实现模型级缓存策略：对MSA构建、结构预测等耗时结果进行Redis多级缓存 三、Docker生产化与性能优化 设计多阶段构建方案，优化镜像体积至<3GB（基础层CUDA→PyTorch→ToolUniverse→生物模型） 1、实现GPU显存动态隔离：基于NVIDIA Container Toolkit支持单卡多模型并发部署 2、构建健康检查与自愈体系：Docker HEALTHCHECK集成FastAPI /health端点，K8s自动故障转移 3、解决冷启动问题：通过模型预加载、权重内存映射（mmap）实现秒级服务就绪 四、Kubernetes分布式调度与编排 1、开发BioModel-Operator CRD：定义AlphaFoldJob、ESMService等自定义资源 2、实现智能调度策略： 五、GPU节点亲和性 1、优先级队列：付费用户任务抢占式调度（coscheduling插件） 2、弹性扩缩容：基于FastAPI /metrics暴露的队列深度实现HPA自动扩缩 3、集成Argo Workflows：编排复杂生物计算流水线（如「MSA构建→结构预测→分子对接」） 4、开发任务分片引擎：将大规模序列比对任务自动拆分，分发至K8s混合集群

任职要求 【硬性条件】 1、FastAPI实战经验：2年+ 生产级FastAPI服务开发 2、大模型部署：熟悉vLLM/TensorRT-LLM/Triton至少一种，解决过GPU OOM、推理延迟高等问题 3、Docker深度用户：能独立优化镜像体积，熟悉docker buildx多架构构建 4、Kubernetes进阶：编写过Operator/CRD，理解Informer机制与控制器模式 【专业背景】 生物信息学基础：理解PDB结构、多序列比对（MSA）、分子对接基本概念 工具链：熟练使用Biopython、RDKit、PyMOL，了解HH-suite/Amber等工具 数据库经验：对接过UniProt、PDB、ChEMBL等公共数据库API 【工程能力】 异步编程：精通asyncio生态，理解uvloop/anyio性能优化 可观测性：搭建过FastAPI + Prometheus + Grafana + Jaeger全链路监控 CI/CD：GitLab CI自动构建镜像，ArgoCD实现GitOps部署