主分类：AI应用开发（非Agent）
辅助：AI训练推理与计算优化（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "【快Star】AI应用开发工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "J1014"AI生成
},
"company": {
"company_name": "快手科技",
"company_industry": "内容社区 / 直播 / 电商 / 人工智能",
"company_size": "10000人以上",
"company_website": "kuaishou.com",
"company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "计算机、人工智能、统计学等相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "【快Star】AI应用开发工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-05-25\n\n岗位职责\n1、业务链路的 AI 化设计：深入理解业务核心链路，识别 AI 切入点与价值杠杆,主导从场景判断、范式选型(LLM / VLM / 多模态生成 / 垂类模型 / Agent 编排)到链路改造的端到端方案落地；\n2、模型的\"本土化\"驯服：针对业务特有的内容生态、用户行为与合规口径,设计 Prompt、RAG、SFT、偏好对齐等多种知识注入路径的组合策略；搭建 Bad Case 驱动的数据飞轮与业务感知评测体系，让模型在真实业务分布上持续进化；\n3、部署方案的调优：在效果、实时性、成本三者之间为业务找到稳态——主导分层部署(在线/异步/离线)、推理加速与压缩(量化/蒸馏/投机解码/语义缓存)、在离线协同链路设计，保障核心场景 P99 与首 Token 的 SLO；\n4、稳定性与可演进性：建立 AI 链路的灰度、回滚、多版本并存机制，让 AI 服务的发布节奏与业务发布流程对齐；沉淀可复用的工程范式与方法论,支撑业务持续规模化。\n\n任职要求\n1、计算机、人工智能、统计学等相关专业本科及以上学历,3 年以上算法或 AI 工程相关经验；\n2、熟悉 LLM / VLM / 多模态模型的能力边界与典型范式，有过将通用大模型落地到具体业务、并取得可度量业务收益的完整项目经验；\n3、精通 Prompt Engineering、RAG、SFT、偏好对齐中的至少两项,对各自适用边界有清晰判断，反对\"一招鲜\"；\n4、熟悉模型推理加速与压缩的主流技术栈(量化、蒸馏、投机解码、KV Cache、语义缓存等)，理解每种手段的效果代价；\n5、具备扎实的工程素养,能独立完成从离线实验、在线部署到 SLO 保障的完整闭环，具备处理高并发、低延迟在线服务的实战经验；\n6、数据敏感,擅长把模糊的业务问题拆解为可度量的指标与可证伪的实验，反感\"故事化\"归因。\n加分项：\n1、主导过亿级流量在线 AI 服务的部署与稳定性治理；\n2、在 Agent 编排、长链路工具调用、多模型协同调度方面有实践经验；\n3、有跨算法 / 工程 / 业务 / 数据多方协作并推动组织级范式升级的经验。",
"requirements_text": "【快Star】AI应用开发工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-05-25\n\n岗位职责\n1、业务链路的 AI 化设计：深入理解业务核心链路，识别 AI 切入点与价值杠杆,主导从场景判断、范式选型(LLM / VLM / 多模态生成 / 垂类模型 / Agent 编排)到链路改造的端到端方案落地；\n2、模型的\"本土化\"驯服：针对业务特有的内容生态、用户行为与合规口径,设计 Prompt、RAG、SFT、偏好对齐等多种知识注入路径的组合策略；搭建 Bad Case 驱动的数据飞轮与业务感知评测体系，让模型在真实业务分布上持续进化；\n3、部署方案的调优：在效果、实时性、成本三者之间为业务找到稳态——主导分层部署(在线/异步/离线)、推理加速与压缩(量化/蒸馏/投机解码/语义缓存)、在离线协同链路设计，保障核心场景 P99 与首 Token 的 SLO；\n4、稳定性与可演进性：建立 AI 链路的灰度、回滚、多版本并存机制，让 AI 服务的发布节奏与业务发布流程对齐；沉淀可复用的工程范式与方法论,支撑业务持续规模化。\n\n任职要求\n1、计算机、人工智能、统计学等相关专业本科及以上学历,3 年以上算法或 AI 工程相关经验；\n2、熟悉 LLM / VLM / 多模态模型的能力边界与典型范式，有过将通用大模型落地到具体业务、并取得可度量业务收益的完整项目经验；\n3、精通 Prompt Engineering、RAG、SFT、偏好对齐中的至少两项,对各自适用边界有清晰判断，反对\"一招鲜\"；\n4、熟悉模型推理加速与压缩的主流技术栈(量化、蒸馏、投机解码、KV Cache、语义缓存等)，理解每种手段的效果代价；\n5、具备扎实的工程素养,能独立完成从离线实验、在线部署到 SLO 保障的完整闭环，具备处理高并发、低延迟在线服务的实战经验；\n6、数据敏感,擅长把模糊的业务问题拆解为可度量的指标与可证伪的实验，反感\"故事化\"归因。\n加分项：\n1、主导过亿级流量在线 AI 服务的部署与稳定性治理；\n2、在 Agent 编排、长链路工具调用、多模型协同调度方面有实践经验；\n3、有跨算法 / 工程 / 业务 / 数据多方协作并推动组织级范式升级的经验。",
"skills": [AI生成
"招聘",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12779?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "12779",
"post_date": "2026-05-25",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/12779?recruitSubProjectCodes="
},
"fulltext": "【快Star】AI应用开发工程师\n【快Star】AI应用开发工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-05-25\n\n岗位职责\n1、业务链路的 AI 化设计：深入理解业务核心链路，识别 AI 切入点与价值杠杆,主导从场景判断、范式选型(LLM / VLM / 多模态生成 / 垂类模型 / Agent 编排)到链路改造的端到端方案落地；\n2、模型的\"本土化\"驯服：针对业务特有的内容生态、用户行为与合规口径,设计 Prompt、RAG、SFT、偏好对齐等多种知识注入路径的组合策略；搭建 Bad Case 驱动的数据飞轮与业务感知评测体系，让模型在真实业务分布上持续进化；\n3、部署方案的调优：在效果、实时性、成本三者之间为业务找到稳态——主导分层部署(在线/异步/离线)、推理加速与压缩(量化/蒸馏/投机解码/语义缓存)、在离线协同链路设计，保障核心场景 P99 与首 Token 的 SLO；\n4、稳定性与可演进性：建立 AI 链路的灰度、回滚、多版本并存机制，让 AI 服务的发布节奏与业务发布流程对齐；沉淀可复用的工程范式与方法论,支撑业务持续规模化。\n\n任职要求\n1、计算机、人工智能、统计学等相关专业本科及以上学历,3 年以上算法或 AI 工程相关经验；\n2、熟悉 LLM / VLM / 多模态模型的能力边界与典型范式，有过将通用大模型落地到具体业务、并取得可度量业务收益的完整项目经验；\n3、精通 Prompt Engineering、RAG、SFT、偏好对齐中的至少两项,对各自适用边界有清晰判断，反对\"一招鲜\"；\n4、熟悉模型推理加速与压缩的主流技术栈(量化、蒸馏、投机解码、KV Cache、语义缓存等)，理解每种手段的效果代价；\n5、具备扎实的工程素养,能独立完成从离线实验、在线部署到 SLO 保障的完整闭环，具备处理高并发、低延迟在线服务的实战经验；\n6、数据敏感,擅长把模糊的业务问题拆解为可度量的指标与可证伪的实验，反感\"故事化\"归因。\n加分项：\n1、主导过亿级流量在线 AI 服务的部署与稳定性治理；\n2、在 Agent 编排、长链路工具调用、多模型协同调度方面有实践经验；\n3、有跨算法 / 工程 / 业务 / 数据多方协作并推动组织级范式升级的经验。\n【快Star】AI应用开发工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-05-25\n\n岗位职责\n1、业务链路的 AI 化设计：深入理解业务核心链路，识别 AI 切入点与价值杠杆,主导从场景判断、范式选型(LLM / VLM / 多模态生成 / 垂类模型 / Agent 编排)到链路改造的端到端方案落地；\n2、模型的\"本土化\"驯服：针对业务特有的内容生态、用户行为与合规口径,设计 Prompt、RAG、SFT、偏好对齐等多种知识注入路径的组合策略；搭建 Bad Case 驱动的数据飞轮与业务感知评测体系，让模型在真实业务分布上持续进化；\n3、部署方案的调优：在效果、实时性、成本三者之间为业务找到稳态——主导分层部署(在线/异步/离线)、推理加速与压缩(量化/蒸馏/投机解码/语义缓存)、在离线协同链路设计，保障核心场景 P99 与首 Token 的 SLO；\n4、稳定性与可演进性：建立 AI 链路的灰度、回滚、多版本并存机制，让 AI 服务的发布节奏与业务发布流程对齐；沉淀可复用的工程范式与方法论,支撑业务持续规模化。\n\n任职要求\n1、计算机、人工智能、统计学等相关专业本科及以上学历,3 年以上算法或 AI 工程相关经验；\n2、熟悉 LLM / VLM / 多模态模型的能力边界与典型范式，有过将通用大模型落地到具体业务、并取得可度量业务收益的完整项目经验；\n3、精通 Prompt Engineering、RAG、SFT、偏好对齐中的至少两项,对各自适用边界有清晰判断，反对\"一招鲜\"；\n4、熟悉模型推理加速与压缩的主流技术栈(量化、蒸馏、投机解码、KV Cache、语义缓存等)，理解每种手段的效果代价；\n5、具备扎实的工程素养,能独立完成从离线实验、在线部署到 SLO 保障的完整闭环，具备处理高并发、低延迟在线服务的实战经验；\n6、数据敏感,擅长把模糊的业务问题拆解为可度量的指标与可证伪的实验，反感\"故事化\"归因。\n加分项：\n1、主导过亿级流量在线 AI 服务的部署与稳定性治理；\n2、在 Agent 编排、长链路工具调用、多模型协同调度方面有实践经验；\n3、有跨算法 / 工程 / 业务 / 数据多方协作并推动组织级范式升级的经验。\n【快Star】AI应用开发工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1014\n工作地点：北京\n发布时间：2026-05-25\n\n岗位职责\n1、业务链路的 AI 化设计：深入理解业务核心链路，识别 AI 切入点与价值杠杆,主导从场景判断、范式选型(LLM / VLM / 多模态生成 / 垂类模型 / Agent 编排)到链路改造的端到端方案落地；\n2、模型的\"本土化\"驯服：针对业务特有的内容生态、用户行为与合规口径,设计 Prompt、RAG、SFT、偏好对齐等多种知识注入路径的组合策略；搭建 Bad Case 驱动的数据飞轮与业务感知评测体系，让模型在真实业务分布上持续进化；\n3、部署方案的调优：在效果、实时性、成本三者之间为业务找到稳态——主导分层部署(在线/异步/离线)、推理加速与压缩(量化/蒸馏/投机解码/语义缓存)、在离线协同链路设计，保障核心场景 P99 与首 Token 的 SLO；\n4、稳定性与可演进性：建立 AI 链路的灰度、回滚、多版本并存机制，让 AI 服务的发布节奏与业务发布流程对齐；沉淀可复用的工程范式与方法论,支撑业务持续规模化。\n\n任职要求\n1、计算机、人工智能、统计学等相关专业本科及以上学历,3 年以上算法或 AI 工程相关经验；\n2、熟悉 LLM / VLM / 多模态模型的能力边界与典型范式，有过将通用大模型落地到具体业务、并取得可度量业务收益的完整项目经验；\n3、精通 Prompt Engineering、RAG、SFT、偏好对齐中的至少两项,对各自适用边界有清晰判断，反对\"一招鲜\"；\n4、熟悉模型推理加速与压缩的主流技术栈(量化、蒸馏、投机解码、KV Cache、语义缓存等)，理解每种手段的效果代价；\n5、具备扎实的工程素养,能独立完成从离线实验、在线部署到 SLO 保障的完整闭环，具备处理高并发、低延迟在线服务的实战经验；\n6、数据敏感,擅长把模糊的业务问题拆解为可度量的指标与可证伪的实验，反感\"故事化\"归因。\n加分项：\n1、主导过亿级流量在线 AI 服务的部署与稳定性治理；\n2、在 Agent 编排、长链路工具调用、多模型协同调度方面有实践经验；\n3、有跨算法 / 工程 / 业务 / 数据多方协作并推动组织级范式升级的经验。",
"standard_classification": {
"std_category_code": "T008",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}