工作职责： 探索基于大语言模型（LLM）的Coding Agent开发范式，推动**AI驱动的算子开发流程（Human + Agent协同）**落地 使用AI工具（如 Claude Code / Cursor / 自研Agent）参与高性能算子开发，包括： GPU方向：CUDA / C++算子开发与性能优化（访存、并行度、kernel fusion等） BPU方向：地平线BPU算子开发与优化（编译约束、算子映射、数据流优化等） 参与构建AI辅助算子开发体系，包括： Prompt设计与Agent workflow搭建 自动代码生成、自动调优、自动benchmark与回归验证 结合profiling工具进行性能分析与优化闭环 参与大模型推理系统中的关键算子优化（Attention / KV Cache / MoE等） 参与跨硬件平台的算子适配与优化（GPU ↔ BPU） 沉淀技术文档与最佳实践（CLAUDE.md、Skill等） 任职要求： 计算机 / 电子工程 / 自动化等相关专业，本科及以上学历 熟练掌握 C/C++ 或 Python（至少一门扎实） 对系统性能优化有兴趣，具备以下至少一项基础： CUDA / GPU编程基础 NPU / DSP / 专用加速器相关经验 并行计算 / 体系结构 / 编译器基础 具备较丰富的Agent Coding工具使用经验，能够利用AI提升开发效率，包括但不限于： 熟练使用 Cursor / Claude Code / Copilot 等工具进行代码生成与重构 有基于LLM进行复杂任务拆解、调试、重构、性能优化的实际经验 理解Prompt设计、上下文管理、工具调用等基本机制 对大模型（LLM）有基本理解，有如下经验之一优先： 使用过 OpenAI API / Claude / 本地模型进行开发 有Prompt Engineering或Agent开发经验 具备良好的工程能力，能够阅读和理解复杂系统代码（推理框架 / 编译器 / runtime） 具备探索精神，愿意尝试用AI提升底层系统开发效率（而不是仅做应用层AI） 加分项： 有CUDA / Triton / TVM / TensorRT等GPU算子开发经验 有BPU / NPU / DSP等异构计算平台开发经验（尤其是地平线平台） 熟悉 PyTorch / ONNX / TensorRT-LLM 等推理框架 有大模型推理优化经验（KV Cache、Attention优化、量化等） 有性能分析经验（Nsight / profiler / trace工具） 有开源项目或技术博客输出