1、业务系统全栈交付：独立完成 B 端/C 端 Web 应用、管理后台、数据平台的前端（React/Next.js/Vue）与后端（Node.js/Python/Java/Go）开发，涵盖数据库设计、API 开发、性能优化、容器化部署及线上运维。

2、AI 工具原生开发：将 Cursor、Claude Code、GitHub Copilot、v0 等 AI 编程工具作为日常开发基础设施，利用 AI 辅助进行代码生成、架构设计、单元测试、Code Review 与文档编写，确保开发效率与代码质量的双重提升。

3、AI 工作流设计与实现：针对业务场景设计多步骤 AI 工作流，包括但不限于：RAG 检索增强系统（文档解析 → Embedding → 向量检索 → 生成）、Agent 任务编排（工具调用 / 多轮决策 / 人机协同）、智能内容生成与数据自动化处理流水线。

4、大模型集成与 Prompt 工程：对接 OpenAI / Claude / 通义千问 / DeepSeek 等主流大模型 API，实现流式输出（SSE）、函数调用（Function Calling）、结构化数据提取；编写高质量业务级 Prompt，确保输出稳定性与边界安全。

5、数据与基础设施架构：负责 PostgreSQL / MySQL、Redis、消息队列的架构设计与优化；集成向量数据库（pgvector / Pinecone / Qdrant）支撑 AI 检索能力；使用 Docker、CI/CD 完成自动化测试与持续交付。

6、工作流可观测与优化：建立 AI 工作流的评估与监控体系（输出准确率、Token 成本、响应延迟、异常降级），实施安全护栏（Guardrails）与人工审核（HITL）机制，确保 AI 功能在生产环境的可靠性

技能要求：
1、全栈开发能力：5年以上全栈开发经验，精通至少一门前端框架（React / Next.js / Vue）和一门后端语言（Node.js / Python / Java / Go），能独立完成从数据库设计到前端交互的完整功能闭环。

2、AI 工具熟练度：日常使用 Cursor / Claude Code / GitHub Copilot 等 AI 编程工具，熟悉 AI 辅助编程的最佳实践（上下文管理、代码审查、Prompt 驱动重构），能将 AI 生成代码快速转化为符合团队规范的生产代码。

3、AI 工作流经验：具备实际项目中的 AI 工作流落地经验，理解 RAG 架构、Agent 编排逻辑、多步骤 LLM 流水线设计；有 LLM API 集成、流式传输、结构化输出等实战经验。

4、Prompt 工程：具备扎实的 Prompt Engineering 能力，能针对业务场景设计稳定、可复用的提示模板，处理边界情况与对抗性输入，确保 AI 输出符合业务预期。

5、工程素养：扎实的代码规范、Git 工作流、单元测试、API 设计能力；熟悉 SQL 优化与索引设计；了解 Docker 容器化与 CI/CD 流程；具备基础的安全防护意识（XSS / SQL 注入 / 权限控制）。

【加分项】
熟悉 Dify、LangChain、LlamaIndex、LangGraph 等 AI 应用开发框架，能快速搭建复杂 AI 工作流
具备向量数据库（pgvector / Pinecone / Qdrant / Weaviate）的集成与检索优化经验
有本地模型部署（Ollama / vLLM）或模型微调（LoRA / QLoRA）的实践经验
了解 MCP（Model Context Protocol）或 A2A（Agent-to-Agent）协议，具备跨系统 AI 集成能力
熟悉 n8n、Make、Airflow 等自动化编排平台，能将低代码工作流与代码级系统集成
具备 AI 工作流评估框架搭建经验（Golden Set、回归测试、质量漂移监控）