JOIN US,用AI重构合成生物学边界!

AI 数据科学家

• 大分子药物研发算法开发: 针对大分子药物的靶点发现、先导化合物发现及先导化合物优化等 R&D 业务场景，设计、训练并优化机器学习与深度学习算法。

• 算法工程化与智能体开发: 将业务算法封装为高可复用的自动化流水线或 AI 智能体，提升内部干湿实验协同效率，并为外部客户提供标准化的技术服务与产品。

• 跨部门协作与数据挖掘: 与内外部干湿实验团队协作，处理和解析高通量生物学数据，主导算法的迭代与模型性能验证。

• 教育背景: 生物物理学、结构生物学、药剂学、免疫学、生物化学与分子生物学、生物信息学或计算生物学等相关专业，硕士及以上学历。

• 业务经验: 具备 2 年及以上算法设计与开发经验，深入理解大分子药物发现流程，深度参与过涉及靶点发现、先导化合物发现及先导化合物优化的相关项目。

• 编程与工程能力:

1. 精通 Python 编程语言。

2. 具备完整的软件工程项目经验，熟悉代码规范，遵循面向对象设计原则。

3. 具备高效的 AI 辅助编程能力（AI-assisted coding），熟练使用相关 AI 编程工具。

4. 有完整的软件工程项目经验。

• 具备生物制药工艺开发（如细胞株开发、上游工艺）的数据分析或建模经验。

• 熟悉常见蛋白质语言模型或大分子结构预测框架的微调与部署。

高级后端工程师 / 技术架构师 

(AI 工程化方向)

我们正在寻找富有远见的高级后端工程师/技术架构师，加入我们的核心研发团队，致力于打造行业领先的AI 原生（AI-Native）生命科学行业 SaaS 解决方案。在 AI 驱动软件工程的全新技术时代，您将作为技术架构的奠基者，不仅利用最前沿的 AI 工具链重构开发范式，更要从底层构建具备高度 AI 扩展性（AI Extensibility）的产品底座。该职位要求您具备极其深厚的计算机科学底蕴与系统设计能力，能够主导复杂后端的架构演进，借助 AI 工具跨越传统技术栈边界实现端到端的高效交付，并最终推动产品向完全智能化的 AI 原生形态演进。

• 架构设计与 AI 原生化演进： 主导面向生命科学行业的 SaaS 平台后端架构设计与核心模块开发。在构建高可用、高性能系统底座的同时，前瞻性地设计产品的 AI 扩展性，确保架构能够无缝融合大语言模型（LLM）、多智能体（Multi-Agent）工作流及各类 AI 基础设施，赋能业务场景智能化。

• 前沿技术深度研究： 运用先进的 AI 深度调研工具（如 Gemini Deep Research, NotebookLLM, ChatGPT 等），针对复杂的生物业务场景或前沿技术挑战进行系统性研究，主导并落地成熟的技术架构方案。

• 践行新一代研发范式（Vibe Coding）： 在团队内深度实践并引领 AI 协同编程范式，将 AI 能力深度集成至日常开发工作流中，持续优化代码生成、调试与持续交付流程，实现研发效能的指数级跃升。

• 跨边界全栈交付： 突破传统前后端开发壁垒。在主导核心后端架构的同时，运用 AI 编程助手高效、高质量地完成前端组件开发、状态管理与 UI 渲染等任务，确保整体产品的卓越体验。

• 跨学科协同创新： 与生物学家及产品团队紧密协作，准确识别客户痛点，将复杂的行业需求转化为具备高商业价值与智能化底色的技术解决方案。

• 深厚的计算机底层素养： 具备扎实的计算机科学基础（涵盖操作系统原理、网络通信协议、数据结构与算法、分布式系统架构等）。不依赖单一技术栈，具备直击技术本质的工程洞察力。

• 核心编程语言掌控力： 精通至少一门面向对象编程语言（如 Java, C++, Python, C# 等）。具备卓越的 OOP 设计思维与架构品味，能够对 AI 生成的大规模代码进行严格的抽象设计与工程质量审查。

• 卓越的 AI 协同编程能力： 具备丰富的 Vibe Coding 实践经验，深度依赖并精通主流终端 AI 编程工具（如 Gemini CLI, Claude Code, Kiro CLI, Codex CLI 等）。能够精准构建上下文（Context）与提示词（Prompt），高效解决复杂缺陷并出色完成任务交付。

• 高度的技术适应性： 具备强烈的系统性思维与学习能力，面对未知的框架或语言，能够借助 AI 辅助迅速掌握并投入生产。

• 对生命科学行业充满热情，具备强烈的业务驱动力及优秀的跨领域沟通协作能力。

• 在 GitHub 或其他开源社区拥有深度利用 AI 工具（Vibe Coding）独立完成并交付复杂全栈项目的成功经验。

• 熟悉图数据库（如 Neo4j, Amazon Neptune, NebulaGraph）或向量数据库，对底层存储引擎及检索增强生成（RAG）架构有深入理解与实践。

• 拥有传统复杂系统向云原生平台演进，或主导过企业级 SaaS 产品向 AI 原生（AI-Native）形态演进的底层架构重构经验。

• 具备生命科学数据处理、医疗信息系统或大型 SaaS 产品商业化落地的相关背景。

AI 药物研发实习生

AI 智能体研发支持 

• 为大分子成药性预测 Agent 提供核心生物学决策树支持。

• 梳理基于多维度物理化学性质（如：热稳定性，免疫原性，聚集，翻译后修饰等）的验证实验逻辑。 

• 在 UI 界面调试并优化 Prompt，测试并修正 Agent 输出的结果分析与实验推荐。 

• 追踪并提炼该领域最新高水平英文文献，定期更新 Agent 知识库。

生物信息与分子注册标准化

• 梳理并标准化公司内部实验室记录及分子注册平台的底层配置信息。 

• 建立结构化元数据，包括：宿主类型、质粒序列、DNA 元件注释、蛋白酶信息等。

学术背景：

• 生物化学与分子生物学、生物物理学、结构生物学、药剂学、免疫学，或具备“干湿结合”课题经验的计算生物学/生物信息学专业学生。

• 硕士及以上学历。

专业技能:

• 具备扎实的湿实验设计逻辑与实践经验，需深刻理解核酸与蛋白表达纯化、理化性质表征 (如 SEC, DLS, CE-SDS 等) 背后的科学原理。 

• 熟悉并能熟练使用分子生物学专业软件（如 SnapGene），精通生物核心数据库（如 GenBank, DrugBank 等）的结构与数据检索机制。 

• 语言能力: 具备优秀的英文文献检索、阅读与英文学术/技术文档撰写能力。

加分项:

• 了解或使用过 Python/R 等编程语言。 

• 对大语言模型 (LLM) 或 Agent 架构 (如 LangChain/LangGraph) 有基础认知。

• 架构级视野: 了解前沿生物制药全流程数据标准化规范，获得关于 AI Agent 系统级决策树构建的实战经验。 

• AI 工具赋能: 公司将配备前沿 AI 生产力工具，提供一定的工作辅助。 

• 跨学科 AI 实践: 掌握 AI 辅助研发的核心方法论。通过调试 Agent 逻辑树，客观认知大语言模型的工程局限性，积累对抗模型幻觉与优化提示词结构的实战经验。