主分类：AI训练推理与计算优化
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": "Miclaw-移动端 AI 性能专家 (Engine & Efficiency)",
"job_level": "专家",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": "未披露"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 引擎调优：负责 Android/iOS、与云端 Mimo 或本地 ExecuTorch/ncnn 的底层接入与硬件加速（NPU/GPU/Metal）。\n2. 效率突破：实现 Speculative Decoding (投机采样) 或 Prompt Caching，在手机端将 TTFT（首包延迟）降至极致。\n3. 性能监控：建立全链路监控指标体系，关注 Tokens/sec、ITL (Token 间延迟) 以及 Agent 后台运行时的功耗曲线。\n4. 资源调度：解决多 Agent 并发请求时的资源竞争问题，防止手机卡顿或发热降频。",
"requirements_text": "1. 深厚的移动端开发功底（C++/Rust 为佳，Obj-C/Swift/Kotlin 为主）。\n2. 精通端侧模型量化技术（GGUF、EXL2、AWQ 等），能平衡模型精度与推理速度。\n3. 理解 Transformer 底层算子逻辑，有对 KV Cache 进行内存压缩或分页管理的实战经验。\n4. 硬核要求：能够从 Profiler 工具中定位瓶颈，并在极端网络/硬件环境下保持 Agent 请求的高稳定性。",
"skills": [AI生成
"C++",
"Rust",
"Swift",
"Kotlin"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7498320213524742252/detail"
}
]
},
"posting": {
"posting_id": "7498320213524742252",
"post_date": "2025-04-28",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7498320213524742252/detail"
},
"fulltext": "Miclaw-移动端 AI 性能专家 (Engine & Efficiency)\n职位描述\n1. 引擎调优：负责 Android/iOS、与云端 Mimo 或本地 ExecuTorch/ncnn 的底层接入与硬件加速（NPU/GPU/Metal）。\n2. 效率突破：实现 Speculative Decoding (投机采样) 或 Prompt Caching，在手机端将 TTFT（首包延迟）降至极致。\n3. 性能监控：建立全链路监控指标体系，关注 Tokens/sec、ITL (Token 间延迟) 以及 Agent 后台运行时的功耗曲线。\n4. 资源调度：解决多 Agent 并发请求时的资源竞争问题，防止手机卡顿或发热降频。\n\n职位要求\n1. 深厚的移动端开发功底（C++/Rust 为佳，Obj-C/Swift/Kotlin 为主）。\n2. 精通端侧模型量化技术（GGUF、EXL2、AWQ 等），能平衡模型精度与推理速度。\n3. 理解 Transformer 底层算子逻辑，有对 KV Cache 进行内存压缩或分页管理的实战经验。\n4. 硬核要求：能够从 Profiler 工具中定位瓶颈，并在极端网络/硬件环境下保持 Agent 请求的高稳定性。\n1. 引擎调优：负责 Android/iOS、与云端 Mimo 或本地 ExecuTorch/ncnn 的底层接入与硬件加速（NPU/GPU/Metal）。\n2. 效率突破：实现 Speculative Decoding (投机采样) 或 Prompt Caching，在手机端将 TTFT（首包延迟）降至极致。\n3. 性能监控：建立全链路监控指标体系，关注 Tokens/sec、ITL (Token 间延迟) 以及 Agent 后台运行时的功耗曲线。\n4. 资源调度：解决多 Agent 并发请求时的资源竞争问题，防止手机卡顿或发热降频。\n1. 深厚的移动端开发功底（C++/Rust 为佳，Obj-C/Swift/Kotlin 为主）。\n2. 精通端侧模型量化技术（GGUF、EXL2、AWQ 等），能平衡模型精度与推理速度。\n3. 理解 Transformer 底层算子逻辑，有对 KV Cache 进行内存压缩或分页管理的实战经验。\n4. 硬核要求：能够从 Profiler 工具中定位瓶颈，并在极端网络/硬件环境下保持 Agent 请求的高稳定性。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}