岗位职责
1. 核心平台架构设计与实现
分布式系统架构： 设计并实现支撑灵境智能LinoBrain平台的高性能、高可用分布式后端架构，包括微服务治理、服务发现、负载均衡、容错机制等。
AI服务基础设施： 构建专门优化的AI应用基础设施，包括模型推理服务的高并发调度、向量检索的性能优化、知识图谱的存储与查询引擎等。
多租户与安全架构： 实现企业级的多租户隔离、权限管理、数据安全和审计追踪系统，确保平台能够承载关键业务场景。
可观测性体系： 构建全链路的监控、日志、追踪和告警系统，为复杂的AI应用提供完整的可观测性支持。
2. 智能流程引擎开发
Agent编排引擎： 实现支持智能路由(MoE)、工具调用、状态管理的Agent编排引擎，让复杂的AI工作流能够高效、可靠地执行。
异步任务处理： 设计并实现高性能的异步任务调度系统，支持长时间运行的AI任务、批处理作业和实时流处理。
工作流状态管理： 构建分布式的工作流状态管理系统，确保复杂AI任务的状态一致性和故障恢复能力。
3. 数据平台与存储优化
向量数据库集成： 深度集成并优化向量数据库的性能，为RAG应用提供毫秒级的检索响应。
知识图谱存储： 设计高效的知识图谱存储和查询系统，支持复杂的图遍历和推理操作。
数据管道构建： 构建支持多种数据源接入的ETL管道，为AI应用提供实时、准确的数据支撑。
4. API与SDK开发
统一API网关： 设计并实现统一的API网关，提供版本管理、限流、认证、文档生成等完整功能。
SDK与工具链： 开发面向开发者的Go SDK和命令行工具，让第三方开发者能够轻松集成我们的平台能力。
性能优化： 持续优化API响应时间和系统吞吐量，确保平台能够支撑大规模商业应用。
任职要求：
1.深厚的Golang功底： 拥有 3年以上Golang实战经验，有完整的生产环境项目上线经验，深刻理解Go语言的并发模型、内存管理和性能优化。
2.分布式系统专家： 熟练掌握分布式系统设计原理，对微服务架构、消息队列、分布式缓存、数据一致性等有深入理解和实践经验。
3.高并发系统设计： 在异步处理、并发控制、状态管理等复杂场景下有丰富的工程实践，能够设计并实现高性能、高可用的系统架构。
数据库深度理解： 熟悉至少一个关系型数据库的底层实现原理，了解查询优化、事务处理、索引设计等核心概念。
4.云原生技术栈： 熟悉Docker、Kubernetes等容器化技术，有在云环境中部署和运维分布式应用的经验。
5.AI时代的技术视野
Python协作能力： 具备基本的Python使用能力，能够与AI算法工程师高效协作，理解并集成AI模型的推理需求。
向量数据库经验： 了解向量数据库的工作原理和性能特点，有实际的集成和优化经验者优先。
AI应用架构理解： 对RAG、Agent、MCP等AI应用架构有基本理解，能够为这些应用设计合适的后端支撑系统。
Vibe Coding与AI辅助开发
AI辅助编程专家： 熟练使用Cursor、Copilot等AI辅助编程工具，能够充分发挥AI的潜力来提升开发效率和代码质量。
快速原型能力： 能够利用AI工具快速构建原型、验证想法，并将其演进为生产级的系统。
代码质量意识： 在AI辅助的同时，保持对代码质量、架构设计和最佳实践的严格要求。
个人特质
技术热情与好奇心： 对AI技术发展有强烈的兴趣和敏锐的洞察力，愿意在技术前沿探索和实践。
学习与适应能力： 面对快速变化的AI技术栈，具备快速学习新技术并将其应用到工程实践中的能力。
协作与沟通： 优秀的团队协作能力，能够与产品、算法、前端等不同角色高效沟通。
工程师文化： 认同开源文化，有GitHub等开源平台的活跃贡献记录优先考虑。
加分项
AI项目实战经验： 有实际开发过AI相关项目的经验，特别是RAG、Agent或LLM应用的后端支撑系统。
开源贡献： 是知名开源项目的贡献者，或者维护过有一定影响力的开源项目。
大厂背景： 在科技公司有过大规模分布式系统的设计和开发经验。
安全专家： 具备扎实的Web安全认知，了解企业级应用的安全防护要求。
数据技术专家： 熟悉Clickhouse、YTsaurus等大数据技术栈，有实际的数据平台构建经验。
技术领导力： 有过技术团队管理或技术架构决策的经验。

我们提供：
参与构建改变未来的AI基础设施平台的机会
与技术团队一起探索AI时代工程实践的边界
完善的技术成长路径和学习资源支持
具有竞争力的薪酬和股权激励
灵活的工作方式和充满创新氛围的团队文化
投递简历请附带 GitHub ID（或其他开源网站/邮件列表的个人页面地址）