1.负责 AI-Native 产品的端到端研发，包括需求理解、方案设计、前后端开发、模型能力接入、上线监控和持续迭代。 2.基于 LLM、多模态模型、Agent、RAG、工作流编排等能力，构建面向真实业务场景的 AI 应用。 3.参与产品核心链路设计，将 AI 能力转化为稳定、可用、可评估的产品功能。 4.负责前端交互、后端服务、模型调用、数据处理、权限体系、日志监控等全栈开发工作。 5.建设 AI 应用效果指标体系，包括准确率、召回率、相关性、任务完成率、用户采纳率、幻觉率、响应时延、单位调用成本等。 6.设计并落地 AI 功能的评测、实验和迭代机制，通过离线评测、人工标注、A/B 实验、用户反馈等方式持续优化模型效果。 7.探索并建设 Agent-first 工程流程，包括上下文管理、工程规范、自动化校验、反馈回路和多 Agent 协作机制。 8.与产品、算法、业务团队协作，推动 AI 能力在搜索、广告、推荐、内容生产、运营效率等场景中的落地。

1.5年以上软件研发或全栈开发经验，有完整产品从 0 到 1 或核心系统持续迭代经验。 2.具备扎实的全栈开发能力，熟悉至少一种前端框架，如 React、Vue、Next.js；熟悉至少一种后端技术栈，如 Node.js、Python、Go、Java。 3.熟悉 API 设计、数据库、缓存、消息队列、云服务、容器化部署、日志监控等常见工程能力。 4.有 AI-Native 思维，熟悉 LLM 应用开发范式，理解 Prompt Engineering、Function Calling、Agent、RAG、向量数据库、模型评测等基础能力。 5.具备 AI 应用效果指标意识，能围绕具体业务场景定义“好用”的标准，而不是只完成模型接口接入。 6.熟悉常见 AI 应用评测方法，包括 Prompt 评测、RAG 评测、Agent 任务成功率评测、人工评审标准设计、线上效果监控等。 7.能熟练使用 AI 工具提升研发效率，包括 Cursor、Claude Code、Codex、ChatGPT、Copilot 等。 8.具备较强的问题拆解能力和产品意识，能从用户场景出发设计 AI 交互和产品流程。 9.对工程质量有要求，重视代码可维护性、可观测性、性能、稳定性和安全性。 10.有较强的自驱力和学习能力，能快速跟进 AI 技术、模型能力和工具链变化。