企业微信-AI全栈研发工程师-协作办公

核心产品研发：负责企业微信生态内在线文档（表格 文档 智能表格 / 智能文档）核心模块的架构设计与研发，覆盖前端渲染、后端服务或算法能力等关键链路；

协同与体验优化：深度参与文档实时协同编辑、跨端高效渲染、大规模数据处理等核心场景的性能与体验优化；

AI 能力落地：主导或深度参与 AI 大模型在文档场景的全链路工程化落地，涵盖 Prompt Engineering、RAG（检索增强生成）、Agent 编排、模型微调 / 蒸馏、推理加速 等方向，将前沿算法能力转化为可交付的产品特性；

算法与工程融合：结合业务场景探索大模型 + 传统 NLP 结构化数据理解 多模态等算法方案，推动算法侧与工程侧的高效协同；

研发效能建设：参与团队 AI 工程化体系（数据闭环、评测体系、Agent 平台、CI/CD for AI）建设，提升团队整体研发与迭代效率。

扎实的工程功底：具备扎实的软件工程能力，前端 客户端 后端 / 算法方向不限，有一到两个方向的深入实践经验；

AI 技术素养：了解大模型（LLM / 多模态）技术原理，熟悉 Transformer、Attention、主流预训练与微调范式（如 LoRA、SFT、RLHF 等其中之一）；

智能体开发能力：具备智能体（Agent）上下文工程实践经验，熟悉至少一种主流 Agent / LLM 应用框架（如 LangChain、LlamaIndex、LangGraph、AutoGen、Dify 等）；

工程实践经验：熟悉微服务、容器化、CI/CD 等现代工程实践，具备高并发、高可用或大规模数据处理场景的优化经验；

综合素质：具备良好的技术视野、抽象设计能力与跨团队协作沟通能力，对新技术保持敏感与热情。 加分项

在线云文档经验（重点加分）：有在线文档 表格 协同编辑类产品的前台或后台研发经验，熟悉 OT / CRDT 协同算法、增量渲染、大规模文档存储与检索 等相关技术；

AI 算法背景：有 NLP、信息抽取、表格理解（Table Understanding）、文档智能（Document AI）、代码生成或多模态方向的算法研究或落地经验，有顶会论文 开源项目 Kaggle 等成果者优先；

大模型深度实践：有大模型预训练 微调 推理优化（vLLM、TensorRT-LLM、量化、蒸馏）或 RAG 系统深度优化经验；

跨端与高性能渲染：有客户端复杂项目跨平台工作经验，深度了解跨端渲染引擎（如 Flutter / Skia）；

前沿技术栈：具备 WebAssembly 性能优化、TensorFlow.js / ONNX Runtime Web 端侧推理、WebGPU 等应用经验；

开源与社区贡献：在知名开源项目中有持续贡献，或在技术社区有较高影响力。