机器人数据平台研发工程师

1. 数据平台架构与全链路开发： 负责具身智能数据平台的后端系统架构设计与核心模块开发，支撑具身智能数据（视频、传感器、轨迹、IMU等）从接入、存储到数据集交付的全链路管理；设计高可用的数据接入方案，构建对象存储与元数据服务的混合架构，优化海量非结构化数据的读写性能与检索效率，为前端可视化、算法团队及下游训练系统提供稳定的数据服务。

2. 系统优化与工程保障： 参与系统架构设计与性能优化，解决高并发、大数据量场景下的技术难题；负责后端服务的容器化部署、监控告警与故障排查。

3. AI-Native工程实践： 持续探索并激进尝试最新的AI开发范式，利用AI辅助开发工具提升全栈开发效率，并将其落地到数据平台或内部产研工作中。

4. 试错与文化共建： 主动拥抱新工具、新方法，敢于快速试错；定期分享成功或失败的探索经验，推动团队整体研发效率与AI素养提升

1. 学历与年限：本科及以上学历，计算机科学、软件工程、自动化等相关专业，3年以上后端开发经验，有大型数据平台或IoT平台开发经验者优先。

2. 编程基础： 熟练掌握 Python 或 Go（至少其一），能编写清晰、可维护的代码；理解异步、事件驱动、并发编程等基本概念，具备API集成与调试能力。

3. AI开发工具精通： 对 Codex / Claude Code / Cursor / v0 等AI编程工具有深入使用经验，了解其能力边界与最佳实践；能够通过提示词工程大幅提升编码效率。

4. 产品思维与系统设计能力： 能从用户视角定义问题，快速理解数据管理场景下的粗糙需求；能独立完成功能拆解，具备良好的数据建模、接口抽象与模块化设计能力，能够将复杂业务需求转化为可落地的技术方案。

5. AI-Native工作方式： 激进拥抱新AI工具和开发范式，愿意持续跟进、尝试新工具/新库，接受快速试错（哪怕失败）；乐于分享"如何用AI把某件事效率提升10倍"的实践经验。

6. 学习与韧性： 对新技术保持好奇心，能快速试错并提炼经验；具备良好的沟通能力和团队协作精神，适应跨团队协作。

加分项：

- 有具身智能等领域数据平台开发经验，了解具身智能数据采集流程、存储、处理、设备（EGO/UMI/机械臂等）特性及数据接口。

- 具备前端开发能力（React/Vue/TypeScript），能独立完成数据管理后台的全栈快速验证。

- 了解容器化技术(Docker)和容器编排工具(Kubernetes)