AI 基础设施工程师

你将加入一个为全公司科学家和工程师”造工具”的团队，把大模型、RAG、Agent 等能力工程化、产品化，嵌入研发者每天都在用的工具链——放大每一位同事的产出。这是偏工程平台型的岗位，看重学习潜力与工程基础。

1. 01

   在导师指导下参与大模型（如 GLM / Qwen 等）私有化部署与推理性能优化，让全公司稳定、低成本地用好大模型。

2. 02

   协助构建企业知识库（RAG）与多智能体（Agent）协作系统，沉淀组织知识、自动化研发流程。

3. 03

   把智能能力集成进 IDE 插件、CI/CD 流水线、内部研发平台，提升研发效率与代码质量。

4. 04

   参与 AI 相关基础设施（含 MLOps）的建设与迭代，学习跟踪与优化效能指标的方法。

5. 05

   在导师指导下参与开源大模型微调，让模型逐步掌握量子校准、量子纠错等领域的知识，为测控与纠错团队提供智能化支持。 加分项： 对研发效能（DevEx）有一定理解，关注开发者体验与工具链效率；课程项目、毕设或实习中独立搭建过内部工具链 / CI/CD / 开发者平台的小型原型；做过 RAG / Agent 相关 demo，或在大模型推理部署上有动手实践；对大模型后训练 / 微调（SFT、LoRA 等）有基本了解或动手实践；有开源贡献，读过 LangChain / HuggingFace / vLLM 等社区项目源码；参加过 Kaggle、天池等数据科学或 AI 竞赛并取得成绩。