AI 合成生物学科学家

岗位介绍 我们正在建设 AI 原生的合成生物学发现系统，希望将人工智能、合成生物学、实验自动化与智能体技术结合，面向菌株设计与改造、代谢工程、分子优化及实验迭代等研发任务，逐步形成端到端的 Design-Build-Test-Learn（DBTL）干湿闭环。 我们希望寻找一位具有扎实合成生物学专业背景和真实研发项目经验的高潜人才加入团队。一位优秀的合成生物学研发专家，能够针对复杂科研问题进行科学分析、提出假设、设计改造策略并根据实验结果持续迭代；在此基础上，进一步将项目过程中形成的科学判断、设计方法、计算工具、实验策略和实践进行系统化沉淀，转化为可被 AI 智能体调用的标准化能力。 我们不要求候选人成为专业的 AI 算法工程师或软件工程师，更看重候选人是否能够将真实科研经验和专家决策逻辑转化为 AI 系统可以理解、执行和持续学习的科学能力。 主要工作内容1. 定义 AI 原生合成生物学发现系统的科学能力 围绕菌株设计与改造、代谢通路优化、基因编辑、表达调控、产量提升等典型合成生物学研发任务，从科学家的视角定义一个完整研发任务应该如何被分析和解决。 能够围绕研发目标完成问题拆解、数据分析、科学假设形成、工程改造策略设计、实验方案制定、实验结果分析、失败原因判断以及下一轮设计迭代，并与 AI、产品和软件团队共同将这些科研过程转化为 AI 原生系统中的标准能力，逐步形成端到端 DBTL 干湿闭环。

2. 02

   沉淀专业 Skills 与标准化 Workflow 系统梳理真实合成生物学项目中的专家分析和决策逻辑，将其沉淀为可复用的 Skills、Workflow、规则和知识体系。 重点回答科研过程中“为什么这样设计”“判断依据是什么”“需要哪些数据和工具”“什么情况下应该采用不同策略”“哪些步骤可以标准化”“哪些环节需要专家判断”等问题，并将隐性的专家经验逐步转化为 AI 可以调用和执行的显性能力。

3. 03

   与 AI 团队共同构建 Scientific Agent 与 AI 算法、Agent、软件、产品和实验自动化团队协作，将真实科研问题拆解为智能体可以理解和执行的科研任务。 从科学专业角度定义不同任务的输入与输出、工具调用方式、关键决策节点、评价指标、异常处理方式和实验迭代逻辑，帮助 AI Agent 建立更可靠的 Scientific Reasoning 能力，使其不仅能够调用计算工具和生成方案，还能够根据实验数据进行判断、归因并提出下一轮可验证的科研假设。

4. 04

   承担客户 PoC 及重点研发项目 面向生物制造、工业生物技术等领域客户，深度参与 AI 合成生物学 PoC 及重点研发项目， 通过真实项目持续验证 AI 系统解决科研问题的能力，并将项目过程中形成的方法、工具、工作流和专家经验持续反哺平台，使一次性的项目经验逐渐沉淀为可以规模化复用的平台能力。

1. 01

   扎实的合成生物学专业背景 合成生物学、生物工程、计算生物学、微生物学、代谢工程或相关专业硕士及以上学历，博士优先。对微生物生理、代谢网络、菌株构建和工程化改造具有深入理解。 我们希望候选人负责过完整的合成生物学研发项目，经历过从目标表型出发，进行问题定位、科学假设形成、靶点选择、改造设计、菌株构建、实验验证、数据分析、失败归因到下一轮优化的完整研发过程。

2. 02

   优秀的科研问题拆解与科学推理能力 能够将合成生物学的研发目标，拆解为可分析、可计算、可设计和可实验验证的科学问题。 能够基于已有数据和生物学机制提出合理假设，区分证据、推测与不确定性，并设计能够验证或区分不同假设的实验方案；能够根据实验结果更新判断，而不是简单依赖固定经验或单一分析工具。

3. 03

   具有较强的方法论抽象和沉淀能力 能够将个人项目经验转化为团队和平台能力。 希望候选人不仅能够完成一次研发任务，还能够进一步总结：这个问题为什么这样分析、核心决策变量是什么、判断依据来自哪里、哪些步骤具有通用性、什么情况下策略需要发生变化，以及如何让另一位科学家甚至 AI Agent 按照同样的逻辑完成类似任务。

4. 04

   具备计算和数据驱动研发意识 熟悉生物信息学、基因组学、转录组学、代谢组学、代谢网络分析中的一种或多种方法，理解如何利用数据、计算模型和 AI 辅助科学决策。 候选人不需要是专业 AI 算法工程师，但需要愿意使用新的计算工具，并能够判断不同数据、模型和计算结果在真实科研决策中的价值和局限。

5. 05

   能够连接计算设计与实验验证 理解合成生物学典型的 Design-Build-Test-Learn（DBTL）研发循环，能够将计算分析和科学假设转化为可执行的实验方案，并根据实验数据判断设计是否有效、分析失败原因并提出下一轮优化策略。 具有从计算分析、方案设计到实验验证完成两轮及以上研发迭代，或具有完整干湿实验闭环项目经验者优先。 同时具备良好的沟通能力，能够与实验科学家、AI 算法、软件、产品及客户进行跨专业协作，并清晰解释科研逻辑、技术方案和项目结论。 加分项具有以下经验： * 熟悉酶工程、蛋白质工程或 AI 蛋白设计，具有酶活性、稳定性、选择性、表达或蛋白分子优化经验； * 熟悉实验室自动化、高通量实验、自动化工作站、设备集成或实验流程编排； * 具有自动化菌株构建、培养、筛选、检测或高通量 DBTL 平台建设或使用经验； * 熟悉 AI Agent、LLM、Tool Calling、Scientific Agent 或智能体工作流，理解智能体如何调用工具完成复杂科研任务； * 能够使用 Python、R 或其他工具进行生物数据分析、科研流程开发或计算工具集成； * 具有工业生物技术、生物制造相关项目经验，对菌株性能、发酵表现与最终生产指标之间的关系具有实际理解； * 具有从科学问题定义、计算分析、改造方案设计到实验验证完成完整闭环的成功案例； * 曾承担复杂研发项目负责人、技术负责人或客户科研项目负责人角色，能够独立推进具有较高不确定性的科研项目。 工作地点： 北京，上海，苏州