1.负责 AI 药物研发平台后端架构设计与核心开发：设计和建设平台后端核心架构，包括 API 服务、任务调度、异步执行、模型工具接入、结果存储、权限控制、日志审计和系统集成等模块。
2.建设统一的模型与工具接入能力：将不同来源的算法模型、计算工具、脚本、容器或第三方服务封装为标准化后端服务，支持统一调用、参数配置、运行追踪和结果管理。
3.设计异步任务与计算执行体系：支持长耗时计算任务、批量任务、GPU / CPU 任务、任务队列、失败重试、状态监控、日志采集、结果归档和资源隔离。
4.负责后端 API 与数据模型设计：设计清晰、稳定、可扩展的 API、Schema 和数据模型，支持前端、算法服务、数据服务和外部系统之间的高效协作。
5.建设结果存储、版本管理与可追溯能力：支持模型运行记录、输入输出文件、配置参数、模型版本、用户操作记录和审阅记录的持久化管理，保证关键任务结果可复现、可追踪、可审计。
6.推动平台工程化和交付规范：建立后端开发规范、接口规范、数据库设计规范、测试规范、部署规范和 CI/CD 流程，提升系统稳定性、可维护性和团队协作效率。
7.跨团队协同推进项目落地：与算法工程师、前端工程师、DevOps、数据工程师、产品经理和药物研发专家协作，将业务需求转化为可落地的平台能力。

1.计算机、软件工程、人工智能、生物信息、计算化学或相关专业本科及以上学历。
2.5 年以上后端开发经验，具备复杂平台、企业级系统或 AI 工程平台建设经验；有技术负责人或核心架构设计经验者优先。
3.具备扎实的 Python 后端开发能力，熟悉 FastAPI、Django、Flask、Pydantic、SQLAlchemy 等技术栈中的一种或多种。
4.理解 AI / 算法任务的工程特点，包括模型版本管理、参数校验、运行状态追踪、日志管理、结果复现、资源隔离、失败恢复和长耗时任务管理；能够将算法模型、计算脚本或命令行工具封装为稳定、可调用、可追踪的平台服务。
5.熟悉关系型数据库和缓存系统，具备 PostgreSQL / MySQL / Redis 等数据库设计、性能优化和工程实践经验。
6.熟悉异步任务和分布式任务调度机制，有 Celery、RabbitMQ、Redis Queue、Kafka、Airflow、Argo Workflows、Kubernetes Job 等经验者优先。
7.熟悉 Docker、Docker Compose、Kubernetes、Jenkins、GitLab CI/CD 等容器化与部署工具。
8.具备良好的 API 设计和系统抽象能力，能够将复杂算法流程或业务流程抽象为稳定、可复用的平台服务。
9.具备良好的代码质量意识，熟悉单元测试、接口测试、日志监控、异常处理和系统稳定性建设。
10.具备良好的沟通协作能力，能够与算法、前端、DevOps、产品和业务团队共同推进复杂项目落地。