初代恒星，没有先例。

01 · OPEN POSITION

大模型后训练算法研究员

我们在寻找什么样的人

我们认为，真正强大的 Agent，不只来自更大的模型，也来自模型与运行环境的共同进化。

我们正在从零构建面向数亿用户的下一代智能产品。这个岗位的核心目标，是实现 Model–Harness Co-design：基于领先的开源大模型，通过后训练让模型深度适配我们的 Agent Harness，包括工具调用、上下文管理、记忆、规划、执行与反馈机制，使模型在真实任务中持续变得更可靠、更高效、更智能。

我们寻找的不是只会调用训练框架、复现论文指标的人，而是能够连接模型、数据、评测与 Agent 系统，在快速迭代中找到有效技术路径的研究型工程师。你将直接参与定义：什么样的模型，才真正适合下一代 Agent。

岗位职责

1. Model–Harness 协同设计：与 Agent、推理系统和产品团队共同设计模型与 Harness 的交互协议，使工具调用、上下文组织、状态管理、记忆、规划和反馈机制能够与模型能力协同演进。
2. 开源大模型后训练：基于领先的开源大模型开展持续预训练、SFT、偏好优化及强化学习，提升模型在指令遵循、复杂推理、工具使用和长程任务执行等方面的能力。
3. Agent 能力训练：围绕搜索、浏览器操作、代码执行、文件处理、多工具协作等场景构建训练方案，使模型能够理解环境状态、选择正确动作，并根据执行反馈动态调整策略。
4. 数据闭环建设：设计从真实 Agent 轨迹中采集、清洗、筛选、合成和标注训练数据的方法，识别高价值成功与失败样本，构建可持续迭代的数据飞轮。
5. 评测与误差分析：建立覆盖离线评测、在线任务成功率、过程质量和成本效率的评测体系，深入分析模型失败模式，并将评测结果转化为数据、训练与 Harness 的改进方向。
6. 训练算法研究与落地：探索并落地 SFT、DPO/IPO、奖励模型、PPO/GRPO、拒绝采样、蒸馏、自训练等技术，判断不同方法在真实 Agent 场景中的适用边界。
7. 训练效率与稳定性优化：优化数据配比、采样策略、训练稳定性、显存利用率与实验吞吐，建设可复现、可扩展的训练及实验基础设施。
8. 前沿方向探索：持续跟踪并验证 Agentic RL、过程监督、长上下文、Test-time Compute、模型自我改进等前沿方向，将研究进展快速转化为实际产品能力。

职位要求

算法与工程硬实力（必须项）

1. 扎实的机器学习基础：深入理解 Transformer、大模型预训练与后训练方法，熟悉语言模型目标函数、采样策略、优化方法及常见训练稳定性问题。
2. 后训练实践经验：具备 SFT、偏好优化、强化学习或模型蒸馏中的一项或多项实战经验，能够独立完成从数据构建、训练实验到评测分析的完整闭环。
3. 编程与实验能力：熟练使用 Python，具备良好的代码质量意识；熟悉 PyTorch、Transformers、DeepSpeed、FSDP、Megatron-LM、vLLM 等相关技术栈中的一项或多项。
4. 数据与评测能力：能够设计高质量训练数据和可信评测集，理解数据分布、污染、偏差与奖励投机等问题，善于通过系统性误差分析定位模型能力瓶颈。
5. Agent 系统理解：理解工具调用、结构化输出、上下文工程、记忆、规划与执行等 Agent 核心机制，能够区分模型问题、数据问题、Prompt 问题与 Harness 问题。
6. 研究落地能力：能够快速阅读论文、复现关键结果，并结合算力、数据和产品约束做出合理取舍，而不是停留在论文指标或单点 Benchmark 上。
7. 实验严谨性：重视对照实验、消融分析、统计显著性和结果复现，能够清晰解释一次能力提升来自哪里，以及它是否能迁移到真实任务。

思维与特质（我们最看重的）

1. 强烈的研究好奇心：对模型为何成功、为何失败有持续追问的习惯，愿意深入 token、轨迹、梯度和奖励信号中寻找答案。
2. Model–System 联合视角：不把模型视为孤立组件，能够从模型、Harness、数据、评测和产品体验的整体关系中思考问题。
3. 独立的技术判断：对大模型和 Agent 的技术路径有自己的判断，能够分辨真实能力进步与 Benchmark 过拟合，不盲目追随热点。
4. 结果导向的研究方式：既追求方法上的创新，也关注真实任务成功率、稳定性、延迟与成本，愿意为最终效果深入解决工程问题。
5. 快速迭代能力：能够在高不确定性环境中提出假设、设计最小实验、快速获得反馈，并根据证据调整技术路线。
6. AI 原生工作方式：已经将 AI 工具深度融入研究与开发流程，能够利用 Agent 提升论文调研、数据分析、实验开发和误差归因的效率。

加分项

• 在主流大模型上完成过持续预训练、指令微调、偏好优化或强化学习项目，并取得可验证的能力提升。

1. 有 Agent、Tool Learning、Agentic RL、代码模型、搜索模型或长上下文模型相关经验。
2. 熟悉 Qwen、Llama、DeepSeek、Mistral 等开源模型的架构、训练方法及生态。
3. 有大规模分布式训练、推理加速或 GPU 性能优化经验。
4. 有真实用户行为数据、Agent 执行轨迹或合成数据管线建设经验。
5. 在 NeurIPS、ICML、ICLR、ACL、EMNLP 等会议发表过相关研究成果。
6. 有高质量开源项目贡献，或能够展示完整、深入的大模型实验工作。
7. 具备良好的英文阅读与写作能力，能够持续跟进并参与国际研究社区讨论。

我们能给你

• 真正前沿的问题：直接探索 Model–Harness Co-design、Agentic RL 和模型自我改进，而不是在成熟范式中做边缘优化。
• 从研究到产品的最短路径：你的算法会进入真实 Agent 系统，并快速获得真实用户与复杂任务的反馈。
• 充足的技术空间：可以重新设计数据、训练、评测和 Harness，不受历史系统与既有范式束缚。
• 真正的 Ownership：你不仅负责一次训练实验，更将定义模型能力演进的完整路径。
• 没有天花板：你所训练的模型，将直接决定下一代智能产品能够做到什么。

02 · OPEN POSITION

Agent 交互设计师

我们在寻找什么样的人

我们相信，Agent 不是一个更聪明的聊天框，而是一种全新的软件交互范式。

当 AI 能够理解目标、制定计划、调用工具并持续执行任务时，设计面对的不再只是页面和流程，而是一个具有主动性、不确定性和持续行动能力的智能系统。用户如何表达意图、如何委托任务、如何理解 Agent 的状态、如何在关键节点介入，以及如何建立恰当的信任，都是尚未被充分解决的问题。

你不是为既定功能绘制界面，而是在设计一种未来数亿人每天都会使用的全新交互方式。

岗位职责

1. 定义 Agent 交互范式：探索超越传统聊天框的交互方式，设计用户与 Agent 之间从意图表达、任务委托、过程协作到结果交付的完整体验。
2. 设计 Agent 行为与人格：定义 Agent 的沟通方式、主动性边界、反馈节奏和行为准则，使其在不同场景下表现得清晰、一致、可靠且值得信任。
3. 复杂任务流程设计：设计长程任务中的计划确认、执行进度、后台运行、结果检查、异常恢复和任务交接机制，帮助用户理解并控制持续运行的 Agent。
4. 人机协作机制设计：判断哪些决策应由 Agent 自动完成，哪些需要用户确认，以及 Agent 应在何时询问、建议、提醒、暂停或主动采取行动。
5. 工具与环境交互设计：设计 Agent 操作浏览器、代码、文件、应用和第三方服务时的交互体验，包括权限获取、操作预览、过程反馈、风险提示与结果呈现。
6. 上下文与记忆体验设计：设计 Agent 如何获取、展示和管理用户上下文与长期记忆，让个性化能力可理解、可检查、可修改、可遗忘。
7. 多模态交互探索：探索文字、语音、视觉、文件、画布及结构化界面之间的协同，使用户可以用最自然的方式表达复杂意图并处理 Agent 产出。
8. 原型与实验验证：使用高保真原型和可运行 Demo 快速验证交互假设，通过用户研究、行为数据和对照实验持续迭代方案。
9. 建设 Agent 体验评测体系：建立覆盖任务成功率、用户介入成本、可控性、信任校准和主观体验的评测方法，系统分析交互失败模式。

职位要求

设计与产品硬实力（必须项）

1. 扎实的交互设计能力：具备优秀的信息架构、任务流程、状态设计和复杂系统交互能力，能够将模糊需求转化为清晰、自然的产品体验。
2. 复杂状态设计经验：能够处理异步执行、不确定结果、多步骤任务、异常恢复和跨设备协作等复杂场景，而不只是设计理想状态下的静态页面。
3. 优秀的原型能力：熟练使用 Figma、Framer 等设计工具，能够通过交互原型清晰表达动态行为；具备使用代码或 AI 工具搭建可运行原型的能力。
4. AI 产品理解：理解大模型与 Agent 的基本工作机制，熟悉 Prompt、上下文窗口、工具调用、记忆、规划、幻觉和不确定性等核心概念。
5. 用户研究与验证能力：能够独立完成用户访谈、可用性测试和行为分析，并将定性洞察与定量数据转化为可验证的设计决策。
6. 端到端产品意识：不仅关注界面是否美观，也关注任务是否真正完成，以及体验背后的模型能力、工程成本、安全风险和商业目标。
7. 清晰的表达与协作能力：能够通过原型、文档和讨论准确传达设计意图，并与算法、工程和产品团队共同推进方案落地。

思维与特质（我们最看重的）

1. 对新交互范式的敏感度：不满足于给聊天机器人增加按钮，而是持续思考当软件能够理解和执行目标后，交互应该如何被重新设计。
2. 系统性思维：能够同时考虑用户、模型、Harness、工具、权限和环境状态，理解一次交互背后的完整系统链路。
3. 对不确定性的设计能力：不回避模型犯错，而是能够设计合理的预期、反馈、确认和恢复机制，让错误可发现、可理解、可修复。
4. 独立的产品判断：能够识别真实需求与短期噱头，不盲目复制现有 AI 产品，有能力为尚无行业答案的问题提出自己的解法。
5. 极强的体验品味：对细节、节奏、文案、动效和信息密度高度敏感，追求简单、自然且有生命力的产品体验。
6. AI 原生工作方式：已经将 AI 和 Agent 深度融入研究、设计与原型流程，能够快速把想法转化为可体验、可测试的产品。

加分项

• 参与过 AI 助手、Agent、Copilot、开发者工具或复杂生产力产品的设计。
• 有从 0 到 1 定义新产品或新交互范式的经历，并对最终产品结果承担过核心责任。
• 有对话设计、语音交互、多模态交互或行为设计经验。
• 理解 Agent Harness、工具调用协议、模型评测或大模型后训练流程。
• 能够使用 HTML/CSS/TypeScript、React 或其他技术独立搭建交互原型。
• 有桌面端、操作系统、浏览器或跨应用工作流设计经验。
• 对认知科学、人机交互、心理学或人工智能研究有持续兴趣。

03 · OPEN POSITION

AI Infra工程师

我们在寻找什么样的人

我们相信，AGI 产品的上限不仅取决于模型，也取决于承载模型与 Agent 的基础设施。

当 Agent 开始运行代码、操作文件、访问网络并同时执行成千上万个长程任务时，传统的云服务架构已经不够。我们需要一套同时满足高性能、强隔离、低成本与快速迭代要求的新型基础设施：既能支撑模型训练与推理，也能为每个 Agent 提供安全、可观测、可恢复的执行环境。 我们寻找能够深入操作系统、容器、分布式系统与 GPU 集群，同时理解大模型和 Agent 工作负载的基础设施工程师。

你将负责构建这家公司最底层的技术地基，并直接决定模型训练的速度、Agent 能力的边界以及产品的规模上限。

岗位职责

1. 计算集群搭建与演进：负责 GPU/CPU 计算集群从 0 到 1 的规划、部署与持续演进，涵盖节点管理、资源调度、网络、存储、镜像和服务发现等核心能力
2. 集群稳定性与运维：建立计算集群的监控、告警、故障检测、自动恢复与容量管理机制，快速定位 GPU、网络、存储及分布式任务中的复杂故障
3. 训练基础设施建设：为大模型持续预训练、SFT、RL 和评测任务提供稳定高效的训练平台，支持多机多卡调度、任务编排、Checkpoint 管理、数据加载和实验追踪
4. 推理基础设施优化：建设高吞吐、低延迟、弹性伸缩的模型推理平台，优化批处理、KV Cache、并行策略、显存利用率和异构模型调度
5. Agent Sandbox 开发：设计并实现安全、轻量、快速启动的 Agent 执行环境，支持代码运行、文件操作、浏览器控制、命令行工具和第三方应用访问
6. 隔离与权限体系建设：围绕进程、文件系统、网络、凭证和系统调用建立多层隔离机制，设计最小权限、动态授权、审计和风险控制能力
7. 资源调度与成本优化：根据任务优先级、模型类型和资源需求设计智能调度策略，持续优化 GPU 利用率、Sandbox 密度、启动延迟和单位任务成本

• 研发基础设施建设：建设本地开发、测试、发布、灰度和回滚流程，让模型、Agent 与产品团队能够安全、高效地迭代复杂系统

职位要求

系统与工程硬实力（必须项）

• 1. 扎实的系统编程能力：精通 Go、Rust、C++ 或 Python 中至少一门语言，具备优秀的代码质量意识，能够设计和维护长期运行的基础设施系统
• 2. 深入理解 Linux：熟悉进程、线程、内存、文件系统、网络、Namespace、Cgroups、系统调用及权限模型，能够定位复杂的系统级性能和稳定性问题
• 3. 容器与集群经验：熟悉 Docker、containerd、Kubernetes 等技术，理解容器运行时、网络、存储、调度和资源隔离的实现原理
• 4. 分布式系统能力：理解一致性、容错、服务发现、负载均衡、任务调度和分布式状态管理，能够设计高可用、可扩展的基础设施
• 5. 计算集群实践经验：有 GPU 或大规模 CPU 集群的建设、维护或调优经验，熟悉任务排队、资源分配、故障恢复及容量规划
• 6. 网络与存储基础：理解 TCP/IP、DNS、代理、虚拟网络和高性能网络；熟悉对象存储、分布式文件系统、本地缓存及数据一致性问题
• 7. 安全与隔离意识：理解不可信代码执行的风险，熟悉容器逃逸、权限提升、网络滥用、凭证泄露和供应链攻击等常见安全问题
• 8. 性能分析能力：能够使用 Profiling、Tracing 和系统观测工具分析 CPU、GPU、内存、磁盘及网络瓶颈，并完成针对性优化

加分项

• 1. 有 Kubernetes、Slurm、Ray、Nomad 等集群或调度系统的开发和运维经验
• 2. 有大规模 GPU 集群建设经验，熟悉 NCCL、RDMA、InfiniBand、NVLink 等相关技术
• 3. 有 PyTorch、DeepSpeed、Megatron-LM、FSDP 等分布式训练系统经验
• 4. 有 vLLM、SGLang、TensorRT-LLM、Triton 等推理框架的部署或优化经验
• 5. 有基于 Firecracker、KVM、gVisor、Kata Containers、WASM 等技术构建 Sandbox 的经验
• 6. 熟悉 Seccomp、AppArmor、SELinux、eBPF、Cgroups 或 Linux Namespace
• 7. 有多租户计算平台、Serverless、云原生平台或在线代码执行系统建设经验
• 8. 有浏览器隔离、远程桌面、虚拟化或安全容器相关经验
• 9. 有大规模可观测性系统、故障演练或自动化运维平台建设经验
• 10. 对 Linux Kernel、容器运行时或分布式系统有高质量开源贡献

我们如何衡量这个岗位的成功

• 1. 计算集群能够稳定支撑模型训练、推理和评测任务，并保持较高的资源利用率
• 2. 基础设施故障能够被快速发现、准确定位并自动恢复，单点问题不会扩散为系统性事故
• 3. Agent 可以安全地运行代码、操作文件、访问授权网络资源，并支持暂停、恢复与回放
• 4. 模型和 Agent 团队可以自助提交任务、构建环境和分析问题，无需频繁依赖人工运维
• 5. 基础设施能力能够随业务规模水平扩展，而不是依靠持续增加人工操作维持

我们能给你

• 1. 从零定义基础设施：没有历史包袱，你将参与决定集群、调度、运行时和 Sandbox 的核心架构
• 2. 真正有挑战的系统问题：同时面对 GPU 集群、分布式训练、高性能推理和不可信 Agent 执行环境
• 3. 直接影响模型与产品能力：你的工作不仅降低成本，也会直接扩大模型训练规模与 Agent 行动边界
• 4. 软硬件全栈优化空间：可以深入应用、运行时、操作系统、网络、存储和硬件协同优化

04 · OPEN POSITION

AI 后端工程师

我们在寻找什么样的人

我们相信，下一个时代的伟大产品需要最顶尖的工程师来构建。如果你不仅仅是"写代码的人"，而是能用工程思维重新定义可能性边界的创造者——你在寻找的正是我们。

这里没有历史包袱，没有祖传代码，没有政治博弈——只有一群对技术极致追求的人，一起做真正重要的事。

岗位职责

1. 核心系统架构设计与实现：负责智能产品后端系统从0到1的架构设计与开发，涵盖API网关、用户体系、资源调度等核心模块。
2. 性能优化：对系统进行全链路性能剖析与优化，涵盖CPU调度、内存管理、I/O模型、并发处理等，追求极致的资源效率与响应速度。
3. AI能力工程化落地：将大模型能力（LLM、Agent、多模态等）工程化封装为稳定、高效、可扩展的后端服务，设计模型调用链路、上下文管理与提示工程的基础设施。
4. 数据基础设施构建：参与数据采集、处理、索引与质量评估系统的设计与开发，构建服务于搜索、推荐与模型训练的高质量数据管道。
5. 工程效率提升：引入AI工具改善研发工作流，推动开发、测试、发布和运维效率的持续提升，建设工程自动化的最佳实践。

职位要求

工程硬实力（必须项）

1. 编程语言精通：精通 C++ / Python / Go / Rust / TypeScript 中至少一门语言，具备深厚的设计能力与代码质量意识，能写出经得起时间检验的代码。
2. 系统设计与性能调优：具备深厚的系统设计能力，精通缓存策略、数据库优化、并发模型、异步I/O等核心技术，能设计高性能、高可靠的系统架构。
3. 数据库与存储：深入理解数据库原理，熟练掌握 PostgreSQL/MySQL、Redis、SQLite 等存储引擎，拥有丰富的性能调优与数据处理经验。
4. 系统底层功底：深刻理解计算机组成、操作系统、计算机网络等核心原理，熟练运用 Profiling 和可观测性工具分析与定位复杂系统问题。
5. 工程基础设施：熟悉 Linux 系统编程与运维，熟练掌握 Docker、CI/CD、DevOps 等工程基础设施。

思维与特质（我们最看重的）

1. 极致的技术好奇心：对复杂系统底层运作机制有持续探索的欲望，不满足于"能用"，永远追问"为什么"和"能不能更好"。
2. 独立的思考与判断：对AGI的技术路径与发展有独立思考，不人云亦云，能在不确定性中做出合理的技术决策。
3. 工程美学：追求代码的简洁与优雅，对系统设计有审美，能在业务复杂度、系统稳定性、研发效率和长期可维护性之间做精妙权衡。
4. AI原生思维：你不仅仅是了解AI工具——你已经将它们深度整合进日常开发工作流，精通 Cursor、Claude Code 等平台，能清晰阐述AI如何加速从概念到生产的过程，并展示可衡量的影响。

加分项

• 有从0到1构建大规模后端系统的经历，且是核心架构决策者。
• 有AI应用、Agent、开放平台、企业服务或数据平台建设经验。
• 有开源贡献经验，在技术社区有影响力。
• 具备良好的英文阅读与书写能力，有参与国际技术社区讨论的习惯。

我们能给你

• 没有天花板：从0构建面向亿万用户的产品，你的每一行代码都在定义未来。
• 顶尖的队友：与同样对技术极致追求的人共事，没有划水，只有互相激发。
• 第一时间触达前沿：接触并应用最前沿的AI技术与工程实践。
• 真正的ownership：没有螺丝钉，每个人都是自己领域的owner。

05 · OPEN POSITION

AI 产品经理

我们在寻找什么样的人

我们相信，下一个时代的伟大产品不是由"写PRD的人"定义的，而是由真正理解技术能力边界、洞察用户深层需求、能将两者精准连接的创造者来塑造。

我们需要的产品经理，不是流程执行者，而是产品的灵魂——你要能看见别人看不见的，判断别人判断不了的，并推动它成为现实。

岗位职责

1. 产品从0到1定义与驱动：负责AI核心产品的规划、设计与迭代，从用户洞察出发定义产品形态与核心场景，将AI能力转化为用户真正需要、愿意留下的产品体验。
2. AI能力的产品化封装：深入理解大模型（LLM、Agent、多模态等）能力边界，设计可落地的用户场景与交互，参与Prompt设计、Agent流程设计、工具调用链路设计，将技术能力精准落地为用户可感知的价值。
3. 增长与商业化闭环：负责核心用户链路的设计与优化（新手引导、功能触达、付费转化、分享路径等），基于数据独立拆解漏斗、定位问题、提出假设，通过A/B测试或小流量实验持续验证，对留存、转化、使用频次等关键指标负责。
4. 跨团队协作与推动：与算法、工程、设计、运营团队紧密协作，将复杂业务需求转化为清晰可执行的产品方案，在快速变化中保持产品节奏与方向感。
5. 行业洞察与机会挖掘：持续跟进AI前沿动态与竞品动态，将行业趋势转化为具体的产品机会，不做"为了AI而AI"的功能，只做真正解决用户问题的创新。

职位要求

产品核心能力（必须项）

• C端产品Sense：5年及以上C端产品经验，有成熟App或高频C端产品的完整经历，对用户情绪、动机、使用场景极度敏感，能精准判断"好不好用""想不想用""愿不愿留下"。
• AI深度理解：理解大模型基本原理（Prompt、Function Call、Agent等），具备Prompt设计与调优能力，能从用户目标出发设计高质量Prompt结构，理解Prompt对模型输出稳定性、可控性与用户感知的影响并能将其产品化。
• 数据驱动决策：具备独立的数据分析能力，能拆解漏斗、定位问题环节，结合埋点数据、用户行为与定性反馈提出可验证的产品假设，对关键指标有清晰认知与负责意识。
• 复杂能力简单化：能把复杂的AI能力抽象成极简的用户体验，对交互、文案、节奏有精准判断力，追求"一看就懂、一用就会"。
• 逻辑与表达：具备优秀的逻辑能力和表达能力，能清晰阐述产品取舍和设计理由，在跨团队协作中高效对齐。

思维与特质（我们最看重的）

• AI原生思维与深度实践：你是AI产品的重度用户——会用、爱折腾、会吐槽，每月在AI产品上有真实的投入与探索，AI已深度融入你的工作流（需求拆解、原型设计、体验评估等），能清晰阐述AI如何改变了你的产品方法论。

1. 独立判断力：视野广阔但保持聚焦，能在信息不完备的情况下做出产品决策，对产品roadmap有清晰的优先级判断，不随波逐流。
2. 极致的用户同理心：永远站在用户角度，代表用户，能洞察用户自己都无法表达的深层需求。
3. 创业者的自驱与韧性：自驱力强，愿意快速试错、持续迭代，在0到1的不确定性中保持定力和热情。

加分项

• 有AI App/大模型/Agent类产品从0到1经验或1到10的推进经历。
• 有AI产品商业化经验，参与过大模型功能落地的设计与推进。
• 自己写过Prompt、做过Agent、深度使用过Claude Code/Codex等Agent类工具。
• 对增长、留存、转化有实战经验，而不只是"写过PRD"。
• 有创业经历，是创业项目的核心产品决策者。
• 有一眼就能看出来的亮点

我们能给你

• 定义未来的机会：从0定义面向亿万用户的AI产品，你的每一个产品决策都在塑造人们与智能交互的方式。
• 顶尖的队友：与同样极致追求的工程师、设计师共事，没有内耗，只有共创。
• 第一时间触达前沿：接触并应用最前沿的AI技术与产品理念。
• 真正的ownership：没有螺丝钉，你就是产品的owner。

06 · OPEN POSITION

UI 设计师

我们在寻找什么样的人

我们相信，下一代智能产品的体验不仅取决于算法，更取决于每一个像素背后的思考。如果你不仅仅是“画图的人”，而是能用设计思维塑造产品灵魂的创造者——你在寻找的正是我们。

这里没有历史包袱，没有陈旧的设计规范，没有无休止的评审博弈——只有一群对体验极致追求的人，一起做真正重要的事。

岗位职责

• 产品视觉语言构建：负责从0到1定义产品的视觉风格与设计系统，涵盖色彩体系、字体排印、动效规范、组件库等核心设计资产。
• 交互体验设计：深度参与产品功能逻辑与用户旅程设计，输出高保真原型与交互文档，确保每个流程的自然、高效与情感化。
• AI原生界面探索：基于大模型能力（对话、实时生成、多模态交互等）设计新型界面范式，探索超越传统表单与菜单的AI交互体验。
• 设计工程化落地：与前端工程师紧密协作，交付可维护的设计标注、切图资产与动效参数，推动设计系统在代码层的精确复现。
• 体验度量与迭代：建立可用性测试与数据反馈机制，通过用户行为分析、A/B测试等手段持续优化界面转化率与满意度。

职位要求

硬实力（必须项）

• 设计工具精通：熟练掌握 Figma、Sketch、Adobe Creative Suite 等设计工具，能高效完成从概念草图到高保真原型的全流程产出。
• 交互逻辑与信息架构：具备扎实的交互设计能力，能梳理复杂的业务逻辑并转化为清晰、可扩展的信息架构与页面流程。
• 视觉执行细节：对布局、间距、色彩、字体有敏锐的判断力，能在多端（移动端/桌面端/响应式）保持一致的视觉质量。
• 动效与微交互：理解动效的叙事价值，能使用 Principle、Protopie、Rive 或 Lottie 等工具设计细腻的过渡与反馈动效。
• 设计系统思维：有过构建或维护组件化设计系统的经验，能权衡通用性与场景定制性，保证设计与开发的高效协同。

思维与特质（我们最看重的）

• 极致的用户同理心：能站在真实用户的场景中思考问题，不满足于“好看”，更追问“好用”与“用得起”，为不同人群设计包容性体验。
• 独立的审美判断：对设计趋势有批判性吸收的能力，不盲目追随流行，能在品牌独特性、业务目标与行业惯例之间做出明智取舍。
• 工程协同意识：理解技术实现的基本边界，能用工程师理解的语言沟通设计意图，主动发起设计还原度的质量闭环。
• AI原生思维：你不仅会用 Midjourney、Runway 或 Recraft 等AI设计工具——你已经将他们深度嵌入工作流，能清晰阐述AI如何加速从概念到落地的过程，并展示可衡量的效率提升。

加分项

• 有从0到1打造完整消费级产品设计系统的经历，且是视觉或交互核心贡献者。
• 有对话式AI、Agent工具、生成式界面或实时协作产品设计经验。
• 设计作品曾获得行业认可（如Awwwards、iF、Red Dot等），或有高质量设计内容输出（个人站、Dribbble、Behance等）。
• 具备基础的HTML/CSS/前端开发理解，能独立编写可交互动效原型。
• 良好的英文阅读与书写能力，能跟踪前沿设计研究与工具文档。