[全职 / AI公司]AI 应用开发工程师|招募像姚顺雨一样,有技术追求的工程师

【全职 / AI公司】AI 应用开发工程师|招募像姚顺雨一样,有技术追求的工程师
姚顺雨,腾讯史上最年轻的首席 AI 科学家,技术突破的硬核代表!
清华姚班出身,后赴普林斯顿大学攻读博士。
博士五年只死磕一件事:让大模型学会先想再做。
他以第一作者身份提出 ReAct 框架,让 AI 先推理、再行动、拿行动结果修正判断。
今天主流的 AI 智能体产品,底层都是这个思路。
2024 年,他加入 OpenAI ,主导开发出第一个智能体产品 Operator,
让 AI 第一次能自己打开浏览器、自己把事办成。
从普林斯顿到 OpenAI 再到腾讯,姚顺雨靠的从来不只是天赋,
而是对问题纯粹到极致的好奇心,和认准一个方向就死磕到底的钻研。
如今,Agent 正从学术前沿加速迈入产业落地的黄金时代,这是当下最明确的时代风口!
比特鹰紧抓 AI 浪潮,是国内领先的AI产品型公司,主打AI数据决策智能体研发,目前正处于高速上升期。
我们正在招募像姚顺雨一样,对 Agent 与 AI 前沿充满热情、敢于挑战技术极限、渴望用代码改变产业的追梦工程师。
我们为每位成员定制专属 AI 成长路径,全力赋能个人成长,助你与最优秀的同行者一起,成为 AI 时代的超级个体!
【公司介绍】
比特鹰是一家快速成长的 AI 产品公司,赋能每一人成为 AI 时代的超级个体。
我们要找的不是调几个 Prompt 跑通 Demo的人。
我们需要能独立承担并持续维护一套线上 AI 对话/Agent 系统的工程师。
从多模型接入、Agent 编排、上下文与记忆、流式响应,到评估、可观测、成本与稳定性,都需要参与。
系统已经在生产环境运行,你入职后会接手既有代码并持续迭代,有资深工程师一起做方案设计和 Code Review,但我们期待你能尽快独立扛事。
公司公众号:比特鹰labs
公司地址:广州市天河区
【还有哪些岗位招聘?】
- 工程师:基建工程师、 AI 开发、后端、前端、大数据、爬虫、测试、安全
- 运营设计类:运营经理、产品经理、AIGC 设计师
【为什么要加入我们】
- 无限 Token 的 AI 研发支持:公司提供 Claude Code/Codex 等顶级工具且不限量,鼓励用 AI 辅助写代码、调研、设计 Prompt、搭评估,研发效率拉满。
- 做真东西,不做 Demo:系统已服务公司核心业务,重视架构、质量和长期可维护性,不是写完就废的一次性脚本。
- 完整技术栈成长:从 LLM 编排、上下文工程、向量检索,到异步、消息队列、可观测性、云原生部署,一条龙都会接触。
- 有高手带,也给你舞台:资深工程师带你拆需求、定方案、治理模型不确定性,同时给你独立负责模块的空间。
- 业务前景明确:AI 是公司的底层核心能力,这个岗位直接影响产品形态和业务增长,不是边缘支持岗。
- 团队扁平直接:看重解决问题的能力和学习速度,不搞复杂层级,不卡学历和专业。
- 有想象空间的回报:长期贡献突出者,提供年终奖与股权激励机会。
【岗位职责】
- 负责线上 AI 对话/Agent 系统的开发、调优与维护,保障回复稳定、准确、及时;
- 维护并扩展多模型/多供应商接入层,处理不同模型在能力、参数、计费、限流、故障上的差异,做好自动降级与容错;
- 设计与迭代 Agent 编排:意图路由、工具/技能调用、多步任务执行,在“可控”和“灵活”之间做合理权衡;
- 做上下文工程与检索/长期记忆:在有限上下文窗口内决定“放什么、放多少、怎么排”,并用向量检索提升回复相关性;
- 维护流式响应链路,处理流式带来的一致性、持久化与异常问题;
- 建设和使用评估与可观测体系:让模型/Prompt 的每次改动可量化、可回归,让线上的“静默错误”可快速定位;
- 做成本与稳定性治理:Prompt 缓存、按任务分级选型、超时重试、幂等、限流等,把账单和延迟压在合理范围;
- 基于异步 Python+消息队列+数据库持续提升系统并发能力与可维护性,参与微服务部署与运维。
【入职要求】
- 不限学历专业,看重实际能力、学习能力和解决问题的韧性;
- 熟悉 Python,能熟练写 asyncio 异步代码,有并发与性能优化意识;
- 有真实的大模型应用开发经验(GPT/Claude/DeepSeek/任意模型),深入理解流式输出、结构化输出/Function Calling、多轮对话与上下文管理;
- 用过至少一种 Agent/编排框架(LangChain、LangGraph、CrewAI、Agno 等),能讲清节点/工具/状态是怎么串起来的,遇到问题能自己 Debug;
- 理解 RAG/向量检索原理,知道朴素“切块—Embedding—检索”为什么会翻车,并能说出改进方向;
- 有“治理不确定性”的工程意识:清楚 LLM 会失败、会抽风,愿意为可靠性、重试、降级、评估买单
- 熟悉 PostgreSQL(或同类关系库)与 Redis,能独立做数据建模和事务/缓存设计;
- 接触过消息队列(RabbitMQ/Kafka 等)与异步任务处理,理解至少一次投递与幂等;
- 熟悉 Docker,能在容器化环境下开发和排查问题。
【加分项】
- 搭过评估体系,能讲清“怎么判断一次改动是改进还是退化”,用过 LLM-as-judge 并知道它的坑;
- 有 Token 成本/延迟优化实战,理解 Prompt 缓存原理;
- 用过 pgvector 等向量数据库,或做过长期记忆/知识库类系统;
- 接触过可观测性工具(Langfuse、OpenTelemetry、Prometheus 等),做过 AI 全链路追踪/质量监控;
- 了解 Prompt 注入等 AI 特有安全风险,有纵深防御意识;
- 熟悉 Kubernetes/微服务架构,有线上部署与运维经验。
【企业福利】
- 对做出突出贡献的核心伙伴,提供更匹配能力和贡献的长期回报;
- 导师带教,定制学习成长路线,帮助提升业务和技术体系;
- 节假日礼品、生日关怀、办公设备和基础生活用品支持;
- 每月团建、聚餐,每周运动活动,每年免费体检;
- 餐补、房补、零食不限量;
- 书籍、课程等学习费用可报销。
【工作环境】



本作品采用《CC 协议》,转载必须注明作者和本文链接
关于 LearnKu
推荐文章: