应用软件开发高级工程师（全栈-偏后端方向）(J18134)

1. AI 赋能业务系统交付:参与核心业务系统的研发,运用大模型与智能体技术加速需求分析、系统设计、编码、测试等环节,提升业务 系统的交付效率与质量。 2. 研发效能体系建设:建设与优化团队的 AI 辅助研发工具链与工程规范,涵盖智能代码生成、自动化测试、智能代码审查、研发知识 检索等方向,沉淀可复用能力,系统化提升团队研发效能。 3. AI 能力与业务系统融合:以工程化方式将 AI 能力嵌入业务系统,实现智能检索、辅助决策、流程自动化等增值功能,增强业务系统的智能化水平。 4. 效果度量与持续优化:建立研发效能与 AI 应用的度量体系,跟踪提效成效与质量指标,持续迭代方法与工具,形成数据驱动的改进闭环。 5. 技术沉淀与团队赋能:总结最佳实践,输出工程规范与培训,指导工程师,推动 AI 工程化能力在团队内的普及与落地。 6. 前沿跟踪与选型:跟踪大模型与 AI 工程技术发展,评估并引入适合团队的新技术与新工具。 【任职要求】 - 5 年以上后端 / 全栈研发经验,其中 2 年以上大模型应用或 AI 辅助研发相关工作经验; - 具有主导或核心参与至少一项 AI 赋能研发 / 业务系统建设落地的实际经验,有可衡量的成效; - 本科及以上学历,计算机 / 软件 / 人工智能 / 数学等相关专业。 - 精通 Java 及主流开发框架(如 Spring Boot),熟悉微服务架构与企业级业务系统设计,具备扎实的工程交付能力; - 具备 RAG / 向量检索 / 智能体(Agent)/ Prompt 工程的实践经验; - 熟悉主流大模型 API 接入与调优,了解国内外主流大模型(含国产模型)的特点与应用方式; - 熟悉至少一种主流 LLM 应用开发框架或编排方案; - 熟悉研发效能工具链(代码生成、自动化测试、代码审查、CI/CD 等),有建设或深度使用经验; - 具备效果度量与数据驱动迭代能力,理解模型能力边界与工程化挑战; - 良好的工程素养:代码质量、测试、安全与协作意识。