高级前端工程师（平台化 & Agent 产品化方向）

Job description

团队介绍 AI Infra 团队致力于构建面向科学智能（AI for Science）的新一代人工智能基础设施，从底层到应用层系统性打造高性能、高可靠、开发者友好的机器学习平台，支撑大规模科学计算与 AI 模型研发；同时深度优化关键算法的系统实现，包括机器学习力场（MLFF）、生成式 AI（GenAI）、大语言模型（LLM）等核心算子，显著提升推理效率；此外，团队积极探索 Agentic AI 前沿方向，构建支持多智能体协作、工具调用与检索增强生成（RAG）的智能体运行框架，推动 AI 从"感知智能"迈向"推理与行动智能"。 岗位职责

• AI 平台化产品前端开发 负责机器学习平台（训练管理、模型管理、数据管理、资源调度）的前端架构设计与核心模块开发。 主导平台通用组件库与设计系统建设，沉淀可复用的业务组件、表单引擎、图表组件等，提升多产品线的开发效率与体验一致性。 参与微前端架构设计、多应用集成、权限管理与路由方案等工程化体系建设。
• Agent 产品化与交互体验 负责多智能体协作平台的前端开发，实现 Agent 任务编排可视化、工具调用链路追踪、对话轨迹回放、多 Agent 协作拓扑图等核心交互模块。 构建 Agent 运行时的实时状态展示系统，包括执行进度、Token 消耗、工具调用时序、错误恢复流程等关键信息的可视化呈现。 探索 AI-Native 交互范式，设计对话式 UI、流式输出、多模态内容渲染等前沿交互体验。
• 监控与可观测性平台 负责 AI 基础设施监控看板的设计与开发，涵盖 GPU/NPU 利用率、训练任务状态、推理延迟分布、集群资源拓扑等多维度指标的实时可视化。 开发端到端的可观测性前端系统，支持链路追踪（Trace）、日志聚合展示、告警规则配置与异常根因分析等能力。 利用 ECharts、D3.js、Canvas 等技术实现大规模数据的高性能渲染。
• 工程化与效能工具 参与前端工程化基础设施建设，包括构建工具链优化、CI/CD 流水线集成、自动化测试框架搭建等。 开发面向内部研发团队的效能工具，与算法、后端团队紧密协作，推动 AI 效能工具的产品化落地。 任职要求 基础能力 计算机科学、软件工程或相关专业本科及以上学历。 3 年以上前端开发经验，具备从 0 到 1 独立搭建项目或主导大型前端工程化项目的完整经验。 精通 JavaScript / TypeScript、HTML、CSS，深入理解浏览器渲染机制与性能优化。 精通 React 或 Vue 等主流前端框架及其生态，有 Next.js 经验优先。 数据可视化与图形能力 熟练使用 ECharts、D3.js、AntV 等数据可视化工具，具备复杂图表与大屏看板开发经验。 熟悉 Canvas / WebGL 编程，有 3D 可视化或大规模数据渲染经验者优先。 工程化与架构能力 具备微前端架构设计与落地经验（如 Module Federation、qiankun 等）。 熟悉前端性能优化方法论（懒加载、代码分割、缓存策略、SSR/SSG 等）。 有良好的代码规范意识，熟悉单元测试、E2E 测试等质量保障手段。 AI 领域认知 对 AI / 大模型技术有浓厚兴趣，了解 LLM、Agent、RAG、MCP 等基本概念。 熟练使用 AI 编程工具（如 Claude Code、Cursor、Windsurf 等），能将 AI 辅助开发融入日常工作流。 软性素质 具备产品思维，对用户体验有敏锐的感知力和持续优化的驱动力。 优秀的跨团队沟通与协作能力，能与算法、后端、产品等多角色高效配合。 自驱力强，对技术充满热情，愿意持续学习 AI 领域前沿技术。 加分项 有 AI 相关产品（大模型平台、Agent 平台、数据标注平台、MLOps 工具等）的前端开发经验。 有后端开发经验（Python / Node.js / Go），了解接口设计、数据库操作及服务部署。 熟悉 Docker、Kubernetes 等云原生技术，了解 AI Infra 的部署与运维流程。 有云服务、大数据相关经验（MySQL、Redis、消息队列等）。 理解机器学习基本理论，能与算法团队进行有效的技术对话。 有开源项目贡献经历或技术博客输出习惯。 具备 UI/UX 设计能力，能独立完成从设计稿到前端实现的全流程。 我们提供 深度参与 AI for Science 前沿基础设施建设的机会，与顶尖算法和系统工程师并肩工作。 接触从 GPU、NPU 算子优化到多智能体协作框架的全栈 AI 技术栈。 开放的技术氛围，鼓励技术创新与前沿探索。 有竞争力的薪酬福利与职业发展空间。