大模型平台 Agentic 全栈研发工程师（练习生）

参与内部大模型平台 QuickSilver 的全栈研发，完成前端交互、后端服务、平台功能的端到端交付。

参与大模型数据、训练、压缩、推理部署、评估等核心工具链建设，提升模型迭代和业务接入效率。

参与 Agent 平台能力建设，支持多轮对话、工具调用、任务规划、执行编排、Memory、RAG、MCP 接入等能力。

参与 Agent 工作台、Workflow 编排、任务诊断、模型管理等产品研发，让复杂 AI Infra 能力更易用、更可视化。

参与平台工程能力建设，包括微服务架构、权限管理、任务管理、配置管理、模型服务接入、可观测性等模块。

熟练使用 Cursor、Claude Code、GitHub Copilot 等 AI 编程工具，探索 AI Native 的平台研发方式，并持续关注 Agent、MCP、RAG、Workflow、LLMOps 等前沿方向。

计算机、软件工程、人工智能等相关专业在校生，具备扎实的编程基础和计算机系统基础。

熟悉 Go / Python / Java 中至少一门后端语言，或熟悉 Vue 3 / React / TypeScript 等前端技术栈。

是 AI 产品和 AI 编程工具的重度用户，能借助 AI 工具完成需求理解、代码开发、Debug、重构和测试。

对 Agent 技术有兴趣或实践经验，理解多轮对话、Prompt、Tool Calling、RAG、Memory、MCP 等基本概念。

有基于大模型 API 开发应用的经验，了解流式输出、结构化输出、工具调用、上下文压缩、结果评估等常见问题。

具备良好的产品意识、工程质量意识、沟通协作能力和自驱力，愿意在高技术密度团队中快速成长。 加分项

有 AI Agent、AI Workflow、RAG 应用、MCP Server / Client、工具调用平台、多轮对话系统、代码 Agent 等项目经验。

熟悉 OpenAI API 风格接口、Function Calling、Structured Output、Prompt 模板管理、上下文压缩、评估集构建等 LLM 应用工程能力。

有大模型训练、推理、部署、评估平台使用或开发经验，了解 PyTorch、DeepSpeed、Megatron、vLLM、SGLang、Dynamo 等框架。

曾利用 AI 工具独立设计并交付完整 Web / AI 应用，有真实用户、开源项目、技术博客或作品展示。