岗位详情

Position Opening · 职位招募

高级全栈工程师

强后端底盘的架构型全栈工程师

工作地点

杭州

岗位性质

全职 · 创业团队

领域方向

全栈 · 系统底座

联系方式

hr@vis-signal.com
01

About Us

关于可见信号

你将负责可见信号核心产品的全栈工程建设,把信息源接入、数据处理、模型调用、Agent 服务、权限控制、任务调度、数据沉淀和前端体验连接成稳定、可扩展、可复用的系统。

我们是一支 AI Native 的初创团队,正在构建面向高价值信息处理与复杂决策场景的 AI 系统。核心问题是把分散、嘈杂、持续变化的外部信息,转化为可追溯、可调用、可复用的判断资产。

团队底层能力围绕一条持续运转的信息链路展开——选源、抓取、处理、校验、分析、输出、沉淀。我们把 Agent、工作流、Prompt、Skill、数据资产和服务端能力持续工程化,形成可复用的产品与组织能力。

02

Role Overview · 岗位定义

你会做 什么

我们希望你是一个强后端底盘的架构型全栈工程师——既能快速把产品跑起来,也能从一开始把关键系统边界想清楚。你会同时面对数据、模型、Agent 与前端体验,是核心系统的主要建设者。

Layer 01

产品前后端架构与开发

负责核心产品的前后端架构设计与开发,推动从原型到可交付系统的工程化落地。

Layer 02

信息接入与数据处理底座

建设信息源接入、数据抓取、文件解析、清洗入库、结构化处理等基础能力,并构建数据校验、证据溯源与质量评估,保证下游判断可追溯、可复用。

Layer 03

模型调用与 Agent 后端

构建模型调用链路(流式输出、结构化返回、工具调用、缓存、重试、降级与调用记录),为 Agent 工作流提供任务调度、状态管理、权限校验与结果存储等稳定后端支撑。

Layer 04

核心数据模型设计

设计支撑信息、证据、对象、项目、用户、任务、输出物等长期沉淀资产的数据模型,为未来 ToB / ToC 场景预留权限、租户与交付方式的可扩展性。

Layer 05

前端体验与产品表达

参与前端体验开发,把复杂的信息处理结果转化为清晰、可用、可迭代的产品界面。

Layer 06

稳定性与可观测性建设

建设日志、监控、链路追踪、错误告警、成本与延迟监控,保障系统的高可用、安全性与可观测性。

03

Ideal Candidate · 理想人选

我们看重

强交付能力

能从模糊需求中拆出核心模块,快速搭起可运行系统并持续迭代到稳定可用,愿意亲自下场写核心代码。

服务端底盘

理解数据模型、服务边界、接口契约、异步任务、缓存、权限、日志、异常治理与稳定性建设,能避免短期功能堆叠造成长期系统债务。

全栈产品感

能把复杂系统能力转化为用户可感知的界面、交互和工作流,能判断产品体验是否清晰。

AI 辅助开发能力

已把 AI Coding 和 AI 辅助分析融入日常开发,能用 AI 提升代码理解、方案推演、测试生成、重构、排错效率,也能判断 AI 输出的边界与风险。

架构判断

能在速度和长期可维护性之间做取舍,知道哪些能力应该快速验证,哪些底层结构需要从一开始设计清楚。

硬性要求

5 年以上软件开发经验,有从 0 到 1 设计并落地核心业务系统的经历;熟悉 TypeScript / Python / Java / Golang 中至少 2 种主力栈;熟悉 React / Next.js 等现代前端框架;熟悉 PostgreSQL、Redis、对象存储、Elasticsearch、pgvector 或 Qdrant 等常见基础设施。

04

Bonus · 加分项

以下经历会让你 格外出色

Bonus

AI / Agent / RAG 经验

有 AI 应用、Agent、RAG 或检索系统相关开发经验,熟悉 MCP、Function Calling 与主流模型 API。

Bonus

抓取与数据清洗

有爬虫、反爬、内容抓取、文件解析、数据清洗经验。

Bonus

多租户与私有化

有多租户、权限隔离、企业账号、审计日志、私有化部署经验。

Bonus

运维与可观测性

熟悉 Docker、K8s、Prometheus、Grafana、OpenTelemetry 等工具。

Bonus

架构师视角

能主导服务边界、接口契约和系统长期演进。

Bonus

早期创业经历

有早期创业团队经历,习惯高密度协作、高速度迭代和高自主性工作方式。

What You Gain

你会拥有 什么

从产品到平台的完整建设

参与一套 AI 信息系统从早期产品到长期平台的建设过程,不只调用模型,而是把信息源、数据处理、Agent、权限、输出与业务流程连接成持续运转的系统。

高密度工程问题积累

长期处理当前非常值得积累的一类工程问题:模型调用链路、异步任务、工具调用、结构化输出、证据追溯、数据抓取、权限隔离与可观测性。

AI Native 团队的协作密度

在真正 AI Native 的团队中工作,和产品、Agent、研究分析、内容处理、解决方案等角色高密度协作,把真实业务判断流程转化为系统能力。

完整 ownership 与平台视角

拥有较高技术主责和系统设计空间,在小团队环境中快速形成完整 ownership 和平台级工程能力。

Apply Now · 投递简历

如果这让你感到兴奋

简历 + 你主导过的一段 0 到 1 系统建设经历发至邮箱。不必完整,有真实判断比格式完美更重要。