一、岗位定位 我们正在寻找一名具备工程能力与探索精神的 AI 助理，参与多模态技术（图像 / 视频 / 音频 / 3D）与大模型生态相关的研发、部署与实验工作。该角色不仅是执行者，更需要具备较强的主动性，能够在不完全定义的问题空间中自主推进项目。 二、技能要求（Skill Expectations） 1. Coding Agent 与模型工具链 需要熟悉并能够高效使用主流 Coding Agent 体系，包括但不限于： Codex / Claude / Open Code 等代码生成与辅助工具 理解并能够使用 MCP（Model Context Protocol）及其 Skills 体系 能够将 Agent 能力嵌入实际开发流程，而非停留在表层调用 核心要求：不仅“会用”，而是理解其工作范式，并能组合使用。 2. 多媒体与多模态技术能力 需要对以下方向具备兴趣，并愿意深入探索： 生成类技术：AI 视频生成、图像生成 / 编辑（包括 2D → 3D）、语音处理（如变声器、语音生成）、动作捕捉 感知类技术：图像分割、计算机视觉、音频处理 要求说明： 不要求全部方向已有深度经验 但必须具备主动深入技术细节的意愿 有底层经验（如图像处理、语音信号处理）者优先 3. 大模型生态基础 需要具备对 LLM 生态的结构性理解，包括： LLM / VLM / Embedding / Agent 等基本概念 Token 机制与成本模型 API 调用与工具使用 Prompt → Response 的完整链路理解 期望状态： 不仅知道“能做什么” 而是理解“为什么这样设计” 4. 前端与生成式内容工程能力 掌握基础 JavaScript 开发能力 熟悉或能够快速上手类似 Remotion 的框架 能通过代码生成视频、动画或数字内容 重点不是 UI，而是： Code → Media Asset 的生成能力 5. 代码阅读与部署能力 能够阅读复杂开源项目源码 能借助 Coding Agent 快速理解 Repo 结构 能独立完成环境配置与部署 典型工作流程： GitHub Repo ↓ 环境搭建（依赖 / CUDA / 模型权重） ↓ 本地 / 服务器运行 ↓ 修改与实验 6. Prompt Engineering 有实际 Prompt 调优经验 理解 Prompt 与模型输出之间的映射关系 能够系统性优化（而非随机试错） 三、个人品质（Personal Traits） 1. 高沟通频率与透明度 能接受高频 Sync-up 主动汇报进展与问题 避免被动或消极沟通（如拖延、回避） 2. Hackathon / 极限编程风格 优先考虑具备以下特征的候选人： 参加过 Hackathon 适应快速迭代 + 高强度开发节奏 能在不完备条件下快速产出可运行原型 3. 表达能力与系统设计能力 能清晰表达复杂技术问题 能用结构化方式描述系统 推荐能力： Whiteboard / 手绘表达： [模块 A] → [模块 B] → [模块 C] ↑ 数据流 / 控制流 ↑ 4. 知识管理与开发者习惯 有写博客或技术记录习惯 重视文档与知识沉淀 具备 Developer Mindset（而非仅执行任务） 5. 主观能动性（核心要求） 这是最关键的评价维度。 期望你具备以下能力： 模糊目标 ↓ 问题拆解 ↓ 制定策略 ↓ 自主推进 明确一点： 不适合仅等待明确 To-do List 的执行型角色 更适合能够“自己定义问题并解决”的人 四、岗位职责（Responsibilities） 1. 模型部署与实验 部署多模态模型（图像 / 视频 / 音频等） 进行实验、调参和效果验证 在充足算力环境下（A100 / H100）进行试错 工作形态： 模型 → 部署 → 实验 → 调优 → 再实验 2. 资源调研与技术编排 通过多渠道收集与整理技术资源： 小红书 知乎 Product Hunt GPT / Claude 深度调研 输出形式： 工具列表 + 分类 + 使用建议 + 组合方案 3. 数据集与 Benchmark 构建 收集或构建测试数据集（Datasets） 设计 Benchmark 评测标准 对模型或算法进行系统评估 核心目标： 让实验结果可量化、可对比、可复现 五、总结（角色本质） 这个岗位的本质不是“助理”，而是： 工程执行力 + 技术探索能力 + 自驱动能力 你需要能够在以下状态中工作： 方向明确，但路径不明确 工具很多，但需要自己组合 目标较高，但过程高度不确定 如果你习惯： 等待任务分配 只做明确边界内的工作 那么这个岗位并不适合。 需要你主动探索、快速试错