杭州深度原理科技有限责任公司

在传统模式下，电解液与电池材料的研发高度依赖经验与长期试错：配方组合复杂、实验周期漫长、机理与性能之间往往难以建立系统联系。 随着 AI for Materials 与自动化实验平台的发展，这一模式正在发生根本改变。通过机器学习、第一性原理计算与高通量实验闭环，材料研发正从“经验驱动”走向“数据驱动”。复杂体系（如电解液配方、电极界面反应、电池失效机理）第一次有机会被系统建模与快速迭代优化。 在 Deep Principle，我们正在构建新一代 AI + 自动化实验驱动的材料研发平台，让电池材料研发真正进入：模型预测 → 自动化实验 → 数据反馈 → 模型迭代的工业级闭环。我们的目标不仅是优化单一材料，而是 重构工业材料研发的方式。 如果你希望： 参与这场正在发生的电池与能源技术革命； 用 AI 与实验重新定义电池材料的研发方式； 并推动下一代电池技术从实验室走向工业应用—— 欢迎加入我们。 一、岗位职责： 1.带队完成电池材料测试、电池组装、电化学性能测试及数据分析，对实验质量与研发管线进度负责。 2.围绕特定电池应用需求开展电解液配方优化与添加剂体系开发，通过实验数据与机理分析双驱动达成性能目标。 3.开展电池界面反应机理与失效分析研究，包括 SEI / CEI 形成机制、容量衰减路径等关键科学问题。 4.与AI算法团队、自动化实验团队协作，验证模型推荐材料或配方，并形成高质量结构化实验数据。 5.参与公司新能源材料研发管线，从技术路线设计到实验验证，为项目决策提供电化学领域专业支持。 二、岗位要求： 硬性门槛 电化学、材料科学、化学、化学工程或相关专业博士毕业 + 2年相关工业研发经验（或硕士+5年相关工作经验）； 核心能力 具备扎实的电化学基础，理解电池反应机理及电极界面过程； 熟悉电池实验流程，包括电池组装、电化学测试与性能评估； 具备电解液或电池材料研发经验，理解主流电池体系及工业应用需求； 具备良好的技术分析能力，能够将实验现象与微观机理进行系统关联 加分项 具备计算化学、机器学习或AI辅助材料研发经验； 具备自动化实验平台或高通量实验经验； 具有跨学科合作经验（材料、数据、工程）

"岗位职责： 1、参与前沿化学与材料相关的高性能计算流程开发与优化。 2、协助搭建和维护化学/材料模拟流程，支持算法团队与工程团队开展研发工作。 3、协同团队推进计算平台建设，并支持项目在高通量筛选、性能预测等方向的应用。 4、跟踪前沿文献，学习新方法，并结合实际项目进行落地探索。 任职要求： 1、具有计算化学、材料学或相关学科的硕士及以上学历研究背景，专业包括但不限于材料科学、化学、化学工程等。 2、熟悉至少一种分子模拟或量子化学计算方法，如分子动力学、DFT 计算、固体材料模拟等。 3、能够使用至少一款相关计算软件，如 Gaussian、ORCA、VASP、LAMMPS、GROMACS、PySCF、Quantum ESPRESSO 、ABACUS等。 4、熟悉 Python 编程，有脚本开发经验，能进行基本的数据处理与分析。 5、具备良好的沟通与团队协作能力，对科研与工程融合应用有浓厚兴趣。 加分项： 1、参与团队开发计算软件、工作流或平台经验。 2、具备 AI-coding或模型开发经验。 3、有与实验团队协作的经历。 4、有一定的 Linux 系统操作与服务器使用经验； 5、熟悉版本控制工具（如 Git）和脚本自动化； 6、具备跨学科项目背景或工业界实习经验。"

【岗位职责】 1. 负责公司核心产品 Web 端研发，主导复杂前端交互设计与落地 2. 深度参与 AI Agent 工作流、科研数据展示、可视化报告、复杂多步骤任务流 的产品建设 3. 参与 Python / Node.js 服务层接口开发，推动全链路研发效率提升 4. 负责官网、落地页、增长页面建设，持续优化 SEO、转化率、页面性能 5. 与产品、算法、设计团队高频协作，快速完成产品验证与迭代上线 6. 基于 AI Coding 工具持续优化研发流程，提升团队交付速度 【任职要求】 1. 3年以上前端或全栈开发经验，本科及以上学历 2. 熟练掌握 vue3 / React / Next.js / TypeScript 3. 有较强产品 sense，能够独立推进复杂需求落地 4. 对 UI 细节、用户体验和页面高级感有较高要求 5、深度使用 vibe coding / AI coding - 熟练使用以下任一工具： - Cursor - Claude Code - Codex 6、擅长通过 AI 快速完成： - 系统开发 - 重构优化 - Debug - 文档生成 - 测试补全 7、对开发范式有自己的理解和实践 【加分项】 - 了解 SEO 的工作方式，具备相关经验 - 具有一定的审美，参与过出海 SaaS / AI 产品开发 - 有 ToC 增长经验 - 熟悉可视化（ECharts / D3 / Three.js） - 做过 AI 产品、Agent 产品、科研工具产品"

【工作职责】 一、项目管理和协同机制建立 - 负责 Agent + 硬件系统交付项目的全流程管理，包括商机立项后的需求对接、PoC/CRO、定制微调、实施部署、交付验收等环节 - 协同售前、产品、工程等内部团队和外部生态伙伴，推进跨团队项目交付 - 围绕项目里程碑、关键路径与依赖关系，建立并维护可落地的运行机制，产出清晰的项目文档 二、交付风险识别与应对策略制定 - 在项目早期与执行过程中，主动识别交付风险，包括技术、进度、成本风险等，阶段性评估风险等级 - 制定并执行可落地的风险应对策略：技术降级或提供备选方案、阶段性交付和验收范围拆分、Scope 管控与变更机制 三、项目成本与交付模型管理 - 熟悉并能独立拆解项目成本结构，包括自研定制、外采、部署与运维的一次性和持续成本等 - 能对不同交付模式进行成本评估，针对不同的客户实际情况识别存在的成本浮动情况 - 为售前部门梳理提供标准化的产品部署材料和成本估算结果 【任职要求】 学历与经验要求 - 本科及以上学历，计算机、自动化、电子工程、材料/化学工程等相关背景优先，5年以上技术项目管理经验，特别优秀的可以放宽到5年内 - 有软硬件一体化、行业解决方案级项目实际交付经验（非纯软件交付项目管理） - 有化学/材料教育背景优先 技术与行业能力 - 了解生成式AI和Agent类产品的技术原理、算力硬件相关技术架构 - 对以下至少一个领域有实际项目经验者优先： - 自动化实验室、高通量实验设备 - 国产GPU、算力一体机或私有化部署 - 精细化工、新能源、半导体等行业的数字化转型项目经验 项目与管理能力 - 熟悉项目管理方法论，以交付结果为导向 - 具备强风险意识，能在不确定性下推动项目持续前进 - 具备成本意识，能在技术方案中平衡性能、成本和交付周期"

岗位简介： 1、负责公司 PFAS‑free 冷却液 在数据中心浸没液冷场景的自研项目推进。 2、明确冷却液研发方向，定义验证方案、数据标准与项目里程碑。 对接浸没液冷系统商、服务器整机厂，负责 PoC 方案设计、实施与验收。 3、协同内部化学、验证团队，将冷却液从配方候选推进到可交付、可商用的解决方案。 工作职责 1、需求拆解与研发规划：基于客户与行业需求，梳理性能指标与约束条件，制定冷却液研发路线图、验证路径与里程碑计划。 测试与标准建设：搭建冷却液物性、兼容性、稳定性等测试体系，制定验收标准与各阶段 Go/No‑Go 判定规则。 2、系统边界与需求对齐：对接外部厂商与客户，明确浸没液冷系统架构、工况约束及材料、运维等要求，输出标准化需求文档。 3、PoC 方案与验收设计：与客户共同定义 PoC 场景、成功指标及验收条款，设计测试计划、工况矩阵与数据采集规范。 项目管理与落地推进：拆解里程碑与资源计划，协调内外部团队按期交付，管控项目进度、风险与变更。 4、问题闭环与复盘优化：跟进现场问题处理，推动根因解决与经验沉淀，保障项目高质量交付。 任职要求 1、本科及以上学历，工程、热管理、化工、材料、自动化等相关专业优先。 2、5 年及以上数据中心液冷行业经验，熟悉浸没液冷 / 冷板液冷、CDU、机房运维等。 3、有液冷 PoC、现场交付或规模化导入项目经验，具备解决方案 / 项目管理 / 售前相关背景。 4、熟悉 PUE、功率密度、泵功压降、过滤脱气、在线监测等液冷核心指标。 5、具备优秀跨团队协同、推动落地能力与结构化文档输出能力。 工作严谨负责，沟通清晰，能同时推进研发与客户项目并行开展。 加分项 1、具备浸没液冷从 PoC 到规模部署的全流程项目经验。 2、了解 PFAS‑free、REACH、EHS 等冷却液相关合规要求。 数据敏感度高，能主导数据规范、质量门槛与验证流程建设。"

厌倦了传统有机化学实验的重复与低效？渴望一场彻底的范式变革？ 在AI叩响化学大门的时间窗口，我们邀请你，成为这场颠覆的主角。 在这里，我们不做“能完成”的实验，我们要做的是“可高通量运行、可快速迭代”的自动化科学。 我们正在构建AI+实验驱动的分子与材料开发加速器，旨在打破数据瓶颈，让算法训练与机理验证拥有最坚实的真实世界支撑。 在这里，你将亲手参与搭建自动化平台与实验工作流，并立即投身于其应用——与AI协作，将抽象的分子设计转化为高通量实验计划，在新一代自动化平台上批量验证、迭代优化。 在这里，你的每一次实验，都将为AI模型提供关键反馈，加速发现进程。 加入我们，用你的智慧与AI碰撞，去共同开启AI for Chemistry/Materials的新时代！ 一、岗位职责： 1.带队完成有机/无机小分子合成、纯化与结构表征；对实验质量与管线进度负责 2.反应优化与方法开发：条件筛选、路线迭代、工艺可行性评估；用数据驱动项目决策 3.使用并整合分析工具如UPLC/HPLC、LCMS、NMR、IR、UVvis、DLS 等 4.与自动化工程师、算法/ML科学家紧密协作：验证模型推荐条件、分析趋势、定位问题、形成可学习结论 5.规范记录与汇报：维护数字化实验记录（ELN/LIMS/数据库），输出结构化数据报告、复盘与阶段性总结 6.严格遵守 EHS 与实验室实践，参与实验室流程与资产的持续优化 二、岗位要求： 硬性门槛 1、化学或相关专业博士毕业（或硕士+5年相关工作经验）； 2、具备高质量湿实验经验：合成、分离纯化、分析表征闭环完整 核心能力 1、扎实的反应机理、逆合成逻辑与系统化优化能力 2、熟练掌握常用分析：TLC、HPLC/UPLC、LCMS、NMR、IR，能独立解谱、定位问题 3、能在 SOP 体系与自动化平台中稳定执行，确保数据一致性与可追溯 工具与数据素养 1、熟练使用 SciFinder / Reaxys / ChemDraw 检索与路线/条件调研 2、强数据意识：关注数据质量、批次差异、异常追因、可结构化记录

【岗位职责】 1、基于公司AI Agent与材料智能研发平台能力，开拓高校、科研院所及企业研究院等创新客户，推动AI在材料研发领域的实际落地。 2、深入理解客户在电池材料、精细化工、聚合物、半导体等方向的研发痛点，识别数字化与AI驱动优化的可行机会。 3、与客户共同进行技术可行性评估与方案共创，协助定义AI Agent的应用场景、数据需求与集成路径。 4、联动公司研发与产品团队，主导从需求洞察、方案设计到PoC（概念验证）实施的全过程，形成技术反馈闭环。 5、参与客户方案演示、技术研讨与项目评审，能够在现场做基础的可行性判断与方案优化建议。 6、建立并维护与重点科研团队、龙头企业及创新机构的合作网络，推动AI赋能材料研发的生态共建。 【任职要求】 1、3年以上材料研发信息化、科学计算、AI for Science或科研数据平台相关业务经验，了解科研机构及产业端研发体系。 2、对AI/ML在材料设计、分子模拟、实验自动化、数据库建设或工艺优化等方向有实际理解，能将技术能力转化为客户价值。 3、具备售前或解决方案型BD经验，能独立完成从需求挖掘、可行性分析到商务推进的闭环。 4、出色的跨部门沟通和项目协调能力，能高效衔接技术、产品与交付团队推动PoC落地。 5、具备强自驱力与学习能力，能在早期产品环境中主动总结反馈，助力产品与市场共成长。 【加分项】 1、曾参与智能研发平台导入、数据库共建、AI for Science联合研究等项目。 2、有材料仿真、实验自动化、科研信息化平台或AI Agent类产品的解决方案经验。 3、有与重点高校、研究院或龙头企业技术部门合作的实操经验。 4、对AI Agent、知识图谱、材料科学数字化转型有强烈兴趣，愿意在不确定性中探索商业与科研结合的创新路径。"

厌倦了传统有机化学实验的重复与低效？渴望一场彻底的范式变革？ 在AI叩响化学大门的时间窗口，我们邀请你，成为这场颠覆的主角。 在这里，我们不做“能完成”的实验，我们要做的是“可高通量运行、可快速迭代”的自动化科学。 我们正在构建AI+实验驱动的分子与材料开发加速器，旨在打破数据瓶颈，让算法训练与机理验证拥有最坚实的真实世界支撑。 在这里，你将亲手参与搭建自动化平台与实验工作流，并立即投身于其应用——与AI协作，将抽象的分子设计转化为高通量实验计划，在新一代自动化平台上批量验证、迭代优化。 在这里，你的每一次实验，都将为AI模型提供关键反馈，加速发现进程。 加入我们，用你的智慧与AI碰撞，去共同开启AI for Chemistry/Materials的新时代！ 一、岗位职责： 1. 教育背景： 硕士及以上学历，有机化学、药物化学、应用化学、化学工程或相关专业。 2. 专业技能： 具备扎实的有机合成功底，熟练掌握分子路线设计、合成、纯化及工艺优化（含小试放大）；可独立检索英文前沿文献、解析谱图，熟练使用 NMR、LC-MS、HPLC 等常规分析仪器。 3. 优先条件（研究背景）： 有机合成方法学、复杂分子全合成、不对称催化、金属有机化学等方向研究者优先；具备光电材料、含氟 / 硅精细化学品、创新药中间体等功能分子设计与合成经验者优先。 4. 加分项（自动化与工程能力）： 对高通量实验、实验室自动化有浓厚兴趣，具备自动化液体处理设备等仪器的操作、调试或简单改造能力者优先。 二、岗位要求： 1. 教育背景： 硕士及以上学历，有机化学、药物化学、应用化学、化学工程或相关专业。 2. 专业技能： 具备扎实的有机合成功底，熟练掌握分子路线设计、合成、纯化及工艺优化（含小试放大）；可独立检索英文前沿文献、解析谱图，熟练使用 NMR、LC-MS、GC-MS、HPLC 等常规分析仪器。 3. 优先条件（研究背景）： 有机合成方法学、复杂分子全合成、不对称催化、金属有机化学等方向研究者优先；具备光电材料、含氟 / 硅精细化学品、创新药中间体等功能分子设计与合成经验者优先。 4. 加分项（自动化与工程能力）： 对高通量实验、实验室自动化有浓厚兴趣，具备自动化液体处理设备等仪器的操作、调试或简单改造能力者优先。

岗位职责： 1、参与面向化学与材料科学的前沿 AI 算法研究、模型设计与系统实现。 2、与计算化学、数据工程及软件工程团队协作，构建以化学与材料为核心的数据基础设施与自动化建模流程。 3、对接公司内部科研与业务团队，识别并推动 AI4Science 相关技术方案在真实场景中的落地应用。 4、发表有影响力的成果。 任职要求： 1、具有人工智能、计算化学、化学信息学、材料信息学或相关交叉学科的博士研究背景。 2、在以下至少一个方向具备较为深入的研究或实践经验： 计算机辅助合成设计与逆合成规划； 面向化学问题的大模型或语言模型构建与微调； 面向分子或材料性质预测的 Foundation Model； 生成式模型在分子与化学反应生成中的应用； 机器学习原子间势模型； Foundation model的benchmark体系搭建。 3、精通 Python，具备扎实的算法实现能力，熟悉PyTorch。 4、有自主搭建和训练主流模型（如 GNN、Transformer、生成模型等）经历，模型参数达到10M及以上。 5、具备独立分析和解决问题的能力，能够从科学问题抽象出可实现的算法与模型方案。 6、具备良好的跨学科沟通能力，能够与计算、工程及实验背景的团队成员协作。 加分项： 1、具备计算化学或分子模拟相关背景，熟悉分子、反应或材料数据。 2、有算法或模型相关论文、开源项目或长期维护的代码库。 3、熟悉计算机辅助合成设计（CASP）或逆合成（retrosynthesis）领域的主流模型与工具（如 ASKCOS、AiZynthFinder、RetroXpert、NeuralSym、GraphRetro 等）。 4、有应用LLM推动化学和材料科学相关项目研究经验。 5、具备大型软件项目开发经验，熟悉版本控制系统 (例如 Git) 和代码测试流程。"

厌倦了传统电化学实验室里的手动重复测试？渴望用自己的数据直接驱动AI模型决策？ 在AI叩响材料科学大门的时间窗口，我们邀请你，成为这场颠覆的主角。 在这里，我们不满足于“能测出来”的数据，我们要的是“高通量、高重现、可闭环”的电化学数据集——每一组CV曲线、每一次EIS谱图，都将直接输入AI模型，指导下一轮分子设计。 我们正在构建AI+实验驱动的分子与材料开发加速器，聚焦新一代电池材料与电解液体系的发现与验证。从氧化还原电位到电化学窗口，从离子电导率到循环稳定性——你的实验台，就是算法与真实世界之间的验证关卡。 在这里，你将亲手操作电化学工作站、手套箱、自动配液系统，与AI协作完成从“候选分子”到“验证通过”的完整闭环。你的每一次测试，都将为AI模型提供关键反馈，加速发现进程。 加入我们，用你的数据与AI碰撞，共同开启AI for Battery的新时代！ 一、岗位职责 1. 电化学测试：独立完成电池材料与电解液体系的电化学表征，包括循环伏安(CV)、线性扫描伏安(LSV)、电化学阻抗谱(EIS)、计时电流/计时电位、恒流充放电等测试。 2. 电池组装与评价：在手套箱中完成扣式电池（CR2032等）组装，进行循环性能、倍率性能、库伦效率等电芯级性能评价。 3. 物性测试：配合团队完成电解液基础物性测试，包括离子电导率、黏度、密度、溶解度等，确保数据规范可追溯。 4. 数据规范与自动化协作：按照AI训练的高标准要求，详实记录测试条件、原始数据和过程参数；操作并维护电化学工作站、自动配液系统等自动化设备，协助工程师进行方法优化与设备反馈。 二、岗位要求 1. 电化学、物理化学、材料科学与工程、能源化工等相关专业，本科及以上学历。 2. 熟练掌握电化学工作站操作，能独立设计CV/LSV/EIS测试方案并分析数据。 3. 具有锂/钠/钾离子电池、固态电解质、超级电容器等电化学储能器件研究经验者优先。 4. 对实验室自动化（如自动配液、高通量电化学测试阵列）有浓厚兴趣，具备Python/Matlab等数据处理脚本编写能力者优先。

【岗位职责】 1、负责 Agentic AI 相关产品（包括 AgentOS，Agent Teams 等产品或框架）的全生命周期管理，挖掘用户需求与业务痛点，制定产品规划与迭代策略，对齐业务目标与用户需求。 2、深入理解国内外主流 Agent 产品和大模型（Claude Code、Codex、Qwen、Kimi等）的能力边界与技术特性，结合科研生产（如材料、化工）垂直行业场景和专有工具、数据，挖掘产品落地机会，设计具有竞争力的AI产品解决方案，快速设计、迭代和验证产品能力 3、主导需求分析与优先级排序，撰写产品需求文档（PRD）、设计产品原型，协同跨职能团队推动产品高效研发、上线及迭代，确保研发进度与产品质量。 4、监控产品核心指标（生成准确率、用户留存、转化率等），收集用户反馈与行业动态，输出趋势分析报告，驱动产品持续优化，提升核心竞争力。 5、联动业务、市场团队，梳理AI产品商业化路径，配合完成产品推广、客户培训及案例沉淀，推动产品规模化落地与变现。 【任职要求】 1、本科及以上学历，计算机、软件工程等相关专业优先，2-5年AI产品相关工作经验，具备垂直领域Agent应用设计、Agent测评和调优相关产品经验。 2、具备完整的AI产品全流程操盘经验，能独立完成需求挖掘、产品规划、原型设计及迭代优化，具备敏锐的用户需求洞察能力与产品思维。 具备良好的跨部门沟通协调能力与项目管理能力，逻辑清晰、数据分析能力强，能通过数据与用户反馈定位问题并提出优化方案，抗压性强、执行力突出。 3、对 AI for Science 领域有强烈的兴趣与热情，愿意持续学习和补齐前沿技术认知，乐于分享，熟练使用Axure、墨刀等产品原型工具，能独立撰写PRD、MRD等产品文档。 【加分项】 1、有ToB Agent商业化应用落地、企业研发服务类AI产品设计经验者优先。 2、熟悉TDD（Test-Driven Development）流程，践行相关机制推进产品管理者优先。 3、熟悉 Agent Harness 的主流架构，调优策略，熟悉模块之间的交互节点和运行机制者优先。 4、毕业于211/985院校，或具备交叉学科如物理、化学、材料、化工等学历背景者优先。"

厌倦了计算化学仍然依赖经验、脚本与手工操作的重复劳动？ 是否渴望让计算真正成为发现的引擎，而不仅是验证假设的工具？ 如果是，那么在 AI 与计算化学深度融合的历史节点，我们邀请你加入，成为这场范式转移的参与者。 在这里，你将参与用自动化取代经验驱动与手工计算，重构计算化学的工作方式。 在这里，计算与 AI 不再是简单叠加，而是通过高通量计算与模型迭代形成计算驱动 AI、AI 反哺计算的正反馈体系。 你将参与 模型—计算—实验 的闭环实践，使科学发现从一次性探索转变为可持续演进的系统能力。 我们的目标不是更快的计算或更大的模型，而是让新材料、新反应与新机制的发现，成为一种可规模化、可持续演进的能力。 岗位职责： 1、参与前沿化学与材料相关的高性能计算流程开发与优化。 2、协助搭建和维护化学/材料模拟流程，支持算法团队与工程团队开展研发工作。 3、协同团队推进计算平台建设，并支持项目在高通量筛选、性能预测等方向的应用。 4、跟踪前沿文献，学习新方法，并结合实际项目进行落地探索。 任职要求： 1、具有计算化学、材料学或相关学科的硕士及以上学历研究背景，专业包括但不限于材料科学、化学、化学工程等。 2、熟悉至少一种分子模拟或量子化学计算方法，如分子动力学、DFT 计算、固体材料模拟等。 3、能够使用至少一款相关计算软件，如 Gaussian、ORCA、VASP、LAMMPS、GROMACS、PySCF、Quantum ESPRESSO 、ABACUS等。 4、熟悉 Python 编程，有脚本开发经验，能进行基本的数据处理与分析。 5、具备良好的沟通与团队协作能力，对科研与工程融合应用有浓厚兴趣。 加分项： 1、参与团队开发计算软件、工作流或平台经验。 2、具备 AI-coding或模型开发经验。 3、有与实验团队协作的经历。 4、有一定的 Linux 系统操作与服务器使用经验； 5、熟悉版本控制工具（如 Git）和脚本自动化； 6、具备跨学科项目背景或工业界实习经验。

厌倦了传统有机化学实验的重复与低效？渴望一场彻底的范式变革？ 在AI叩响化学大门的时间窗口，我们邀请你，成为这场颠覆的主角。 在这里，我们不做“能完成”的实验，我们要做的是“可高通量运行、可快速迭代”的自动化科学。 我们正在构建AI+实验驱动的分子与材料开发加速器，旨在打破数据瓶颈，让算法训练与机理验证拥有最坚实的真实世界支撑。 在这里，你将亲手参与搭建自动化平台与实验工作流，并立即投身于其应用——与AI协作，将抽象的分子设计转化为高通量实验计划，在新一代自动化平台上批量验证、迭代优化。 在这里，你的每一次实验，都将为AI模型提供关键反馈，加速发现进程。 加入我们，用你的智慧与AI碰撞，去共同开启AI for Chemistry/Materials的新时代！ 一、岗位职责： 1. 实验执行： 根据研发主管或AI平台下发的任务，高质量完成有机分子的合成、纯化与表征。 2. 项目适配：快速学习并适应新的项目研发任务，配合研发团队进行前沿功能分子（如电子级溶剂、功能性添加剂等）的早期合成探索与性能验证。 3. 数据规范： 按照AI训练的高标准要求，详实记录实验数据和实验过程参数 4. 自动化协作： 操作并维护实验室自动化设备（如自动加液站、反应工作站），协助工程师进行简单的设备调试与反馈。 二、岗位要求： 1. 教育背景： 硕士及以上学历，有机化学、药物化学、应用化学、化学工程或相关专业。 2. 专业技能： 具备扎实的有机合成功底，熟练掌握分子路线设计、合成、纯化及工艺优化（含小试放大）；可独立检索英文前沿文献、解析谱图，熟练使用 NMR、LC-MS、HPLC 等常规分析仪器。 3. 优先条件（研究背景）： 有机合成方法学、复杂分子全合成、不对称催化、金属有机化学等方向研究者优先；具备光电材料、含氟 / 硅精细化学品、创新药中间体等功能分子设计与合成经验者优先。 4. 加分项（自动化与工程能力）： 对高通量实验、实验室自动化有浓厚兴趣，具备自动化液体处理设备等仪器的操作、调试或简单改造能力者优先。

【工作职责】 1、设计与实现可扩展的 LLM Agent 架构，涵盖任务规划（Planning）、技能调用（Skills）、记忆（Memory）、多智能体协作（Multi-Agent）等核心能力； 2、构建系统级评测基准，持续监控并调优 Agent 在准确性、稳定性、延迟与成本等多维度的表现； 3、与算法、产品、数据及业务团队紧密配合，推动 Agent 在实际场景的落地； 4、熟练使用各类中间件、数据库、OLAP、云原生组件等，确保产品高吞吐与高可用； 【任职要求】 1、计算机科学等相关专业，本科及以上学历，具备扎实的数据结构与算法基础； 2、精通 Python / Go / Java / C++ 任何一种语言，有1年以上的扎实后端系统开发经验，有大型项目开发经验者优先； 3、熟悉微服务架构，熟悉各类数据库的核心原理与用法，掌握常用的分布式系统的中间件； 4、优秀的系统设计与问题定位能力，良好的沟通协作与自驱动力，愿意在快速迭代中持续优化并输出高质量代码。 【加分项】 1、对AI/大语言模型有了解，或持有强烈的好奇心与学习热情，愿意快速掌握新技术并应用到实际业务中。 2、熟悉至少一种主流 Agent 框架（LangChain / LangGraph / Agnes 等），有完整的 pipeline 架构、评测与调优实战；

【岗位职责】 1、负责开发、优化、和运维大规模分布式 LLM 训练系统，为 AI 驱动科学发现提供动力； 2、与研究人员紧密合作，搭建、调试并维护后训练及强化学习工作流； 3、构建工具并直接支持前沿探索的模型训练。通过持续的自动化建设替代人工流程。完 善内部基础设施，致力于提升研发效率与体验。为公司的其余科学家、AI 研究员及工程 师的日常工作提供弹药； 4、与产品和其他工程团队合作，打通拥有科学智能的 LLM 到“AI 科学家”的开发链路 【岗位要求】 1、硕士及以上学历，有优秀的工程能力，开创或维护过有影响力的开源项目 2、工作方向与 LLM 的后训练和 RL 高度相关，能搭建并扩展 LLM 所需要 RL 环境的 infra 3、有超百卡训练模型的经验和 5D 并行大模型训练经验 （数据并行、张量并行 、流水线并行 、序列并行 、 和针对 MoE 的专家并行 ） 4、有丰富的分布式训练框架（如 MegatronLM, DeepSpeed, TorchTitan）的实操经验， 并优化过大规模混合专家模型（MoE）的训练吞吐量 5、开放简单，沟通顺畅，合作能力强，对先进技术充满热情 【加分项】 1、在著名大厂基座模型组、大模型公司、和顶尖研究院有工作经验； 2、对后训练和 RL 算法框架有自己独到的见解；"