1.负责将大模型（LDM）能力转化为稳定、高效、可扩展的生产级服务，构建高并发、低延迟、资源高效的 AI 推理服务。 2.推动从算法原型到生产系统的全链路工程化落地，交付高质量、可维护、高可靠的服务代码。 3.设计并实现大模型推理 API 服务，深入优化推理任务调度； 4.实现流式响应（Streaming）、批处理推理、动态负载均衡等复杂场景。 5.深入理解 Python，推动算法工程化与服务标准化 6.将模型推理流程封装为可复用、参数化、版本化的 Python 服务模块，实现“一次开发、多端复用”，降低算法工程师接入成本，推动 AI 能力“服务化、工具化、平台化”。 7.深入理解 Python 原理（如对象模型、GC 机制、字节码执行），能够应用 C 扩展开发（Cython/PyBind11）等方式提升关键模块性能； 8.具备系统性优化能力，优化模型加载、内存映射、GPU 显存管理，提升资源利用率，持续改进大模型推理性能； 9.编写清晰的技术文档、API 手册和运维手册，确保系统可维护。

1.4 年以上 Python 后端开发经验，精通 Python 运行机制与底层原理（GIL、对象生命周期、GC 策略、字节码执行、多线程/协程调度），熟悉pytorch tensorflow等深度学习框架，理解机器学习，人工智能算法； 2.具备卓越的工程交付能力：能独立负责模块设计、代码实现、测试覆盖、上线运维全过程，交付高质量、可维护、可扩展的生产系统； 3.深度掌握 FastAPI / Starlette 异步框架，能独立优化中间件、依赖注入、请求生命周期与并发瓶颈； 4.有大模型推理服务（vLLM / TGI / Transformers + Hugging Face）的生产落地经验，熟悉模型加载、量化、缓存、批处理等关键技术； 加分项： 有 C/C++ 扩展开发经验（Cython / PyBind11），能优化关键路径性能； 熟悉 MLOps 工具链（MLflow、Weights & Biases、DVC）、模型注册与版本管理；