全栈工程师 — 时序 AI 平台

关于此职位

我们正在寻找优秀的全栈工程师，构建将大规模时序基础模型带入真实应用的平台。

我们的使命是构建时序超级智能：从跨时间的观测中学习，理解时序动态，预测接下来会发生什么，并支持更好的未来决策。

你将工作在 ML 系统、数据基础设施、云服务与产品工程的交汇处，构建让用户使用大型时序基础模型的系统，覆盖数据接入与管理、模型推理和预测结果分析。

这是一个端到端工程职位。你将跨越后端、数据基础设施、推理基础设施与云运维，与研究人员合作，将新模型能力转化为可靠的生产系统。

你将参与的工作

• 构建核心时序 AI 平台。 开发将时序基础模型交付给用户的系统，覆盖数据接入与管理、模型推理、预测和结果交付。
• 构建大型基础模型的基础设施。 设计后端系统，将大型时序模型与数据流水线、模型服务基础设施、API 及生产应用连接起来。
• 开发可扩展的推理系统。 构建可靠、低延迟的服务，为不同数据集、模型、预测跨度和用户提供预测与基础模型推理。
• 构建数据密集型系统。 开发用于接入、存储、查询、转换和处理大规模时间序列、表格与结构化数据的基础设施。
• 构建和运维云基础设施。 在云端部署、监控和运维生产服务与 ML 工作负载，兼顾可靠性、可观测性、扩展性与成本。
• 与 ML 研究人员紧密合作。 将时序基础模型的新能力转化为生产功能，设计可靠交付这些能力所需的 API、服务和基础设施。
• 交付端到端系统。 跨越后端、数据、ML 基础设施与部署开展工作。

我们期待的能力

• 扎实的软件工程基础，以及构建生产系统的经验。
• 较强的 Python 能力。
• 具有使用 FastAPI、Flask、Django、Node.js 或类似技术构建后端服务与 API 的经验。
• 具有围绕大型数据集设计系统的经验，涵盖数据接入、存储、查询与转换。
• 熟悉云基础设施与运维，包括 AWS、GCP 或 Azure 服务、容器、部署、监控和生产调试。
• 具有 Postgres、对象存储、数据仓库、缓存或分析数据库等数据系统的使用经验。
• 愿意深入 ML 系统。无需是 ML 研究员，但应理解模型输入输出、推理工作流、延迟与吞吐限制及常见失败模式，从而构建可靠系统。
• 能够与 ML 工程师和研究人员合作，将实验模型与研究代码转化为稳健的生产服务。
• 具有良好的产品判断力，关注完整用户流程。
• 适应研究能力、基础设施与产品需求快速演进的工作环境。

加分项

• 具有构建 ML 平台、开发者工具、数据平台、分析产品或 AI 应用的经验。
• 具有部署或服务大型深度学习模型或基础模型的经验。
• 熟悉 GPU 基础设施、模型服务、批处理、异步推理、任务队列、缓存或分布式推理。
• 具有使用 Docker、Kubernetes、Terraform、CI/CD 与可观测性平台运维云基础设施的经验。
• 具有处理时间序列、表格或其他结构化数据的经验。
• 熟悉 PyTorch 等现代 ML 框架，以及在生产环境运行 ML 模型的实际要求。
• 具有构建数据处理、预测、实验或模型评估基础设施的经验。
• 具有 LLM 或智能体应用经验，包括工具调用、检索、流式 API 或长时间异步工作流。