AI工程师

该职位专注于构建和发布新的AI代理能力，基于已拥有真实用户、真实数据和真实反馈循环的平台。更广泛的工程组织正在现代化底层应用平台（迁移到.NET 8、容器化为Kubernetes、迁移到PostgreSQL），该职位与该团队协作，当AI能力触碰应用数据和基础设施时。但主要职责是面向未来：扩展代理库、构建代理构建平台、扩大AI助手的能力。

Python（主要语言；代理引擎是FastAPI应用）；FastAPI（生产AI服务运行在FastAPI上；必须熟练构建、测试和扩展生产级FastAPI应用）；LangChain / LangGraph或等价工具（有构建代理工作流、工具调用链和多步骤推理管道的经验）；LLM API和模型部署（体验Claude（Anthropic）、OpenAI或类似通过直接API或抽象层）；必须理解token预算、上下文窗口管理、成本影响。关键的是必须理解在高吞吐量、大规模LLM部署中管理上下文窗口的权衡——批处理策略、KV缓存管理、何时截断 vs. 总结上下文；LLM微调和定制（经验通过微调（LoRA/QLoRA、指令微调）创建领域特定模型，理解量化权衡（GPTQ、AWQ、GGUF）在生产部署中平衡质量、延迟和成本；必须熟悉根据数据和用例调整模型配置参数——温度、top-p/top-k采样、重复惩罚、频率惩罚、最大令牌、停止序列、系统提示架构——理解每个如何影响不同代理类型（例如，SQL生成代理使用较低温度，而创意会议总结代理使用较高温度）；LiteLLM或类似抽象层（堆栈使用LiteLLM通过AWS Bedrock访问提供商无关的模型）；RAG架构（构建检索增强生成管道：文档分块、嵌入、检索、重排序、响应合成）；向量数据库（Weaviate（当前堆栈）或等价（Pinecone、Qdrant、pgvector））；SQL（代理查询多租户架构的数据库。工程师必须在代理工具定义中编写和优化SQL，同时注意租户隔离要求）；提示工程（系统化提示设计、少样本示例、系统提示、输出解析）；Linux / CLI熟练度（必须熟悉Linux环境、容器化工作流、命令行工具）

Solvace正在向AI辅助开发作为核心工程实践转型。该职位尤其重要：具有AI编码工具的实际经验（Claude Code、OpenAI Codex、GitHub Copilot、Cursor、类似工具）。我们期望这个人不仅使用这些工具，还要帮助定义跨团队的AI辅助开发最佳实践。能够编写清晰的技术规范，用于驱动人类和AI辅助实施。关键的是代理开发中提示规范、工具定义和预期行为的精确文档。专业项目或使用AI辅助开发工具的侧项目是必须的。对新兴项目如OpenClaw的贡献是强烈信号。具有AI系统测试和评估严格性的经验。