Build the Base.Power the Intelligence.

负责AI Agent产品规划与路线图制定，明确产品定位与目标客户，持续跟踪Agent领域技术演进，输出竞品分析与产品迭代方向

负责Token/MaaS产品的规划与路线制定，明确产品定位、目标客户与商业模式，持续跟踪本领域技术演进，输出竞品分析与产品迭代方向

负责 LLM 推理网关流量面与控制面研发：多 Provider、多模型接入，路由调度，限流熔断，失败重试与 failover，密钥与配额管理，SSE/流式转发，保障高并发与长连接场景下的时延与可用性。

研究并实现大模型推理加速的核心算法，包括模型蒸馏、训练后量化（PTQ/QAT）、结构化/非结构化剪枝以及稀疏化推理等技术方向，系统性降低推理成本。

设计并构建面向大规模语言模型与多模态模型的云端推理服务平台，支持主流开源模型（如LLaMA、ChatGLM、Mistral等系列）的在线/近线推理部署。

负责大模型推理服务的测试体系设计与测试开发，覆盖功能正确性、性能稳定性、用户体验可靠性三个核心质量维度，保障推理API与平台的高质量交付。

负责Web产品前端页面的设计与开发，实现高质量的用户交互体验。

负责公司核心业务系统的服务端架构设计与研发，承担技术方案评审与核心模块编码，确保系统的高性能、高可用与水平扩展能力。

负责公司AI产品及平台的测试开发工作，参与需求评审，制定测试方案与测试计划

负责公司线上服务与AI基础设施的稳定性保障，覆盖容器编排（Kubernetes）、分布式存储（Ceph/MinIO/Redis）、高性能网络（RoCE/InfiniBand）全栈运维，确保核心业务7x24小时高可用。

主导等保 2.0、密评、ISO 27001 及信息安全管理体系的建设与持续改进，牵头完成年度测评、监督审核及第三方机构对接；

设计并实现任务、会话、消息与执行上下文等核心数据模型及服务接口。

设计个人、项目、工作区等不同范围的记忆数据模型、存储结构和访问接口。

建设数据集导入、清洗、版本、质量分析与血缘管理能力，保证训练和评测数据可追溯。

对数据工程团队整体目标负责：规划 AI 数据资产体系（采集、清洗、加工、评估全链路），向预训练与后训练两条消费线交付高质量数据集。

建设与维护 LLM 语料管线：网页、书籍、论文、代码等文本来源的抓取、解析、去重、脱敏与格式标准化。

建设多模态数据管线：图像、视频、音频等来源的采集、解码、切分、去重与元数据抽取。

研发数据服务平台：数据集的存储、版本管理、血缘追踪与检索服务，提供统一的数据消费接口（API/SDK）。

对后训练团队整体目标负责：规划 SFT（Supervised Fine-Tuning，监督微调）、RLHF（Reinforcement Learning from Human Feedback，基于人类反馈的强化学习）/DPO（Direct Preference Optimization，直接偏好优化）等技术路线，将基座模型转化为可交付的产品模型。

研究与实现 LLM 后训练算法：SFT 数据配方、RLHF/DPO/偏好优化、过程奖励模型（PRM，Process Reward Model）等前沿方法。

负责多模态生成模型的后训练算法研发，面向图像生成、视频生成、音视频联合生成等方向，持续提升模型的生成质量、指令遵循、审美表现、时序一致性和可控生成能力。

构建模型评测体系：自动评测基准（Benchmark）、人工评测流程、线上指标三者结合，覆盖 LLM 与多模态模型。

建设与维护后训练训练管线：SFT/RLHF 训练框架、分布式训练任务、断点续训、实验跟踪与配置管理。