1、负责多模态交互产品的核心架构与工程落地：主导多模态（语音、视觉、文本等）融合产品的系统架构设计、开发与规模化部署。 2、攻克多模态大模型的端侧与边缘侧工程挑战：重点解决模型轻量化、低资源部署推理、端云协同架构优化等关键技术难题。 3、构建场景驱动的数据闭环与迭代体系：设计并实施面向具体场景的数据标注、增强、回流策略，持续优化模型在边缘环境的准确率与鲁棒性。 4、研发智能引擎与核心能力组件：负责可视化编排后端、智能体调度框架，以及RAG检索、意图识别、多轮对话管理等关键智能节点的开发与SDK化。 5、设计可扩展的低代码平台与工具生态：设计与实现支持工作流编排的低代码工具链，集成MCP等协议，并构建安全可控的运行沙箱环境。

1. 深厚的工程架构与系统设计能力 5年以上后端或全栈开发经验，精通Python，对数据结构、算法、操作系统及网络有深刻理解。 具备复杂分布式系统的架构设计经验，能独立负责核心模块的技术选型、设计与实现，拥有高性能、高并发、容错降级等实战经验。 能够主导涵盖前端交互、后端服务及基础设施的端到端AI系统构建，确保系统的高可用性、可扩展性、稳定性和数据安全。 2. 扎实的AI工程化与落地经验 拥有至少2年AI/ML项目落地经验，熟悉AI模型从开发到部署上线的全流程。 深入理解至少一个主流AI工作流框架（如LangChain、LangGraph、Semantic Kernel）的内部原理，具备框架改造或自研经验者优先。 能将AI能力（如模型、智能体）高效、稳定地集成至现有软件系统中。 3. 出色的业务洞察与技术应用前瞻性 具备深入分析各行业业务需求与痛点的能力，善于将AI技术（如智能体、多模态、RAG、AIGC）与具体应用场景深度融合。 持续跟踪AI领域前沿进展（如深度学习、强化学习、新型算法与框架），并具备将前沿技术研究应用于实际产品以提升核心竞争力的能力。 4. 强大的编程基础与综合技术素养 拥有5年以上的扎实编程经验，对软件工程基础有系统性掌握