系统研发工程师-WES系统

核心职责：研发支撑百万级日订单、千台级机器人在线作业的仓储执行系统，攻克高复杂度业务建模与高并发实时处理的双重挑战。

1. 业务建模：参与订单、波次、库存分配、库位策略、任务编排等核心领域的建模与研发，将多样化仓储业务形态抽象为可配置、可扩展的领 域模型。

2. 服务研发：基于 Java 技术栈研发高吞吐、低延迟的核心服务，参与任务分发链路与并发一致性等关键模块的设计与性能优化；完成与WMS、机器人调度系统的接口设计与联调。

3. AI 原生测试：落地 AI Native 测试范式，实现测试用例与脚本等测试资产的自动生成、校验与工程化落地，搭建 AI 驱动的全自动化测试流水线。

4. AI 探索：探索大模型与机器学习在业务场景的落地——智能库位推荐、智能组波策略、AI 辅助异常归因与运营问答等，把算法真正嵌入业务链路。

5. 质量与效能：主动运用 AI 编程与代码审查工具提升研发效率和质量，参与技术方案评审与代码评审，持续沉淀团队工程规范。

任职要求：

1. 2027 届本科及以上学历，计算机、软件工程等相关专业。

2. 具备扎实的编码能力，熟练掌握 Java / Python 中至少一门；研发方向需理解并发与 JVM 核心机制，熟悉 Spring Boot、MySQL，了解 Redis、消息队列的适用场景。

3. 计算机基础扎实：数据结构与算法、操作系统、网络、数据库原理。

4. 对 AI 原理有一定了解：理解机器学习基本概念与大模型的工作原理及能力边界（如 Transformer、Prompt 工程、RAG、Agent 等），并有实际尝试与思考。

5. 逻辑拆解能力强，能将复杂业务或 AI 需求拆解为清晰的技术方案与细分场景；沟通清晰，主动性强，愿意拥抱 AI 原生的研发新范式。

以下经历优先： 1. 高并发 / 分布式系统项目或实习经验； 2. 物流仓储、供应链、电商履约、ERP/WMS 领域经验； 3. LLM 应用开发或机器学习落地实践，熟悉 RAG、提示词工程、AI 辅助测试； 4. 熟悉主流自动化测试框架并有完整项目落地经历； 5. 软件开发竞赛获奖、开源贡献或独立技术博客。