• （Key Responsibilities） AI 解决方案设计（AI Solution Architecture） 深入行业场景，将客户的模糊需求拆解为可执行的技术路线图；主导需求分析、技术选型与架构设计，输出可落地的 AI 解决方案与 Agent（智能体）产品方案。 AI 研效体系构建（AI-Driven R&D Efficiency） 构建并布道 AI 研发提效方法。结合上下文工程（Context Engineering）、面向工作流的工程化编排（Harness 工程/工程化框架）以及 CI/CD 流水线集成，形成从需求到交付的 AI 驱动开发闭环。 先进开发模式实践（Modern Engineering Practices） 深度落地规范驱动开发（SDD - Specification-Driven Development）。熟练运用 OpenSpec、Spec Kit、Superpower 等方法论与实践框架，并结合 TDD，保障 AI 生成代码的质量、可维护性与交付可靠性。 工具开发与技术布道（Tooling & Technical Evangelism） 研发 AI 提效工具与自动化工作流，面向内部团队与行业客户开展技术培训与运营推广，将 AI Coding 深度嵌入生产工作流，形成可量化的 ROI（投资回报率）。 业务场景场景化提效（Industry Scenario Optimization） 面向非研效领域进行场景化提效：与行业客户深度沟通，精准挖掘并解决业务场景中的核心痛点，输出可复用的落地方案与工程实践。 📋

• （Job Requirements） 教育与经验背景（Education & Experience） 本科及以上学历，计算机、软件工程、数学、物理等理工科相关专业；具备 3 年以上软件开发或 ToB 项目交付经验（特别优秀者可放宽年限）。 全栈工程能力（Full-Stack Engineering） 具备端到端应用开发与交付能力。精通至少一门主流后端语言（Python / Go / Java / TypeScript），并熟练掌握前端技术栈（React / Vue）。 AI Coding 实战经验（AI Coding Expertise） 深入使用过 AI 编程/代码助手工具（例如 Codebuddy、Claude Code、Cursor 等同类工具）；理解上下文工程与工程化编排（Harness 工程/类似机制）的核心原理；具备通过 AI Coding 完成存量项目迭代或从 0 到 1 的完整项目实战经验。 SDD 方法论落地（SDD Methodologies） 有 OpenSpec、Spec Kit、Superpower 等 SDD 方法论的实战与定制化经验，或曾在团队中主导并推动 AI Coding 规范提效体系的体系化落地。 测试与工程质量控制（Testing & Quality Assurance） 熟悉 TDD / BDD 等测试驱动开发实践；能够独立或借助 AI 搭建自动化测试框架与质量门禁体系。 DevOps 与云原生基础设施（DevOps & Cloud Native） 熟悉 CI/CD 流水线设计与落地，有将 AI Coding 能力集成进 DevOps 工作流的经验；了解 Docker、Kubernetes（K8s）及公有云基础设施（有大厂云经验者优先）。 其他信息语言要求：不限

来自公开渠道的招聘信息，已清洗脱敏：不含企业名、HR 姓名与联系方式， 也不转载职位原文以外的内容。仅供了解岗位画像，不作为投递依据。

看全部岗位