Python设备开发工程师

4

计算机科学与技术、软件工程、自动化、电子信息工程、物联网工程等相关专业

本科及以上

1.负责实验设备平台的网关微服务开发，实现各类实验设备接入系统；
2.对接设备厂商或嵌入式团队，完成设备通信协议对接（HTTP / SDK /串口等）及指令交互；
3.负责设备数据采集、控制指令下发及实验结果回传的完整链路开发；
4.针对非HTTP接口设备，设计并实现自动化控制方案（SDK封装/ GUI自动化）并统一为标准接口；
5.参与网关系统架构设计与优化，沉淀通用通信组件与工具类（如RS232 / RS485 / USB / Modbus等）；
6.协助设备联调测试，定位并解决设备接入及通信过程中的问题；
7.理解实验业务流程，与操作系统团队协作优化任务执行逻辑；
8.参与多设备、多平台项目开发，持续优化系统稳定性与扩展性。

1.扎实的编程基础，3年以上后端开发经验，熟悉C# / Python等至少一门后端语言；

2.熟悉多进程/多线程/ asyncio等并发模型，熟悉设备控制、自动化相关库（如pyserial、socket、subprocess等），或者熟悉.NET Framework / .NET Core，有调用设备SDK（DLL）或开发桌面程序（WinForms / WPF）经验；

3.熟悉常见通信协议与方式：HTTP / TCP / UDP，串口通信（RS232 / RS485），Modbus（RTU / TCP）；

4.有设备接入或物联网（IoT）相关经验优先，包括：仪器设备控制、数据采集系统、工业自动化系统；

5.具备以下能力之一优先：

（1）熟练使用AI编程工具辅助开发；

（2）非Python SDK封装经验（如C/C++/C#等）；

（3）GUI自动化（如PyAutoGUI / AutoIt / RPA等）；

（4）嵌入式或下位机通信经验，熟悉微服务架构；

（5）有网关系统设计经验优先。

化学AI产品经理

2

化学、材料科学、合成生物学、化学工程等相关专业

硕士及以上

本岗位面向化学、材料科学、生物医药、化学工程等背景的专业人才，负责将AI大模型技术与科研实验场景深度结合，作为科学智能（AI4Science）产品的领域中枢，确保科学逻辑在产品中精确落地：
1.负责将领域隐性知识通过AI工具转化为结构化资产（规则库、决策树、验收标准、术语定义表），确保领域真理在产品中不失真；
2.使用AI原型工具协作，生成可交互业务流程原型，验证专家工作流与产品界面的一致性；
3.负责产品业务规则的定义，将领域安全规范与科学约束硬化为系统校验逻辑，对规则完备性负最终责任；
4.参与产品设计评审，对“业务逻辑正确性”拥有一票否决权；
5.参与终端用户测试，从科学维度评估产品输出的合理性，识别模型幻觉与边界失效案例；
6.向开发团队输出基础领域认知培训，降低跨职能沟通损耗；
7.结合AI大模型在科研业务中的应用场景，将领域问题转化为智能化解决方案，推动科学逻辑与产品能力的深度对齐与落地。

1.化学、材料科学、合成生物学、化学工程等相关专业；在化学材料学各研究领域至少有一个方向有深度实操经验；
2.有足够的热情从事AI和软件事业；
3.具备将隐性领域经验拆解为结构化决策链条的能力，习惯使用工具进行知识整理；
4.能够熟练使用LLM工具辅助文档撰写、原型生成和规则提炼；不要求编程能力，但须具备用自然语言精确描述业务逻辑与界面流程的能力；
5.具备产品化视角，认同“科学正确≠产品可用”，愿意站在终端用户（一线实验员/工程师）角度思考信息呈现方式；
6.具备良好的结构化表达能力，能够与非领域背景的工程师进行有效对话，接受并回应非专业人士对专业逻辑的质疑；
7.具备责任心与开放心态，不接受“我只管提供想法”的甩锅心态，愿意将领域知识硬化为系统规则。

产品经理-硬件改造与自动化设备产品负责人

1

自动化、机械设计制造及其自动化、机电一体化、机械工程、控制工程、电气工程及其自动化、测控技术与仪器、仪器科学与技术等相关专业

本科及以上

1.制定设备与工位改造标准：容器/托盘接口、工位基准、抓取点与定位面、防呆结构、治具夹具方案等；
2.规划到位确认与传感体系：视觉/扫码/RFID/光电/力矩/称重等选型与判定逻辑，含容错与异常策略等；
3.定义安全联锁策略：危险区、门禁、急停、互锁条件、安全停点、人工介入点与旁路流程等；
4.推动试点交付与复制：评估、方案、打样、联调、验收到复制，协同供应商推进成本、交期与变更管理；
5.协同实验室自动化平台产品负责人/实验室应用产品负责人/机器人团队：输出信号表与约束、SOP与异常回退策略，确保平台可控、应用可用、现场安全；
6.非标需求转化：深入实验室现场，梳理其现有设备、流程痛点、空间及通量限制，输出定制化硬件改造方案（如：特殊容器适配、夹具、防腐蚀流路、安全防护联锁等）；
7.系统集成与改造：主导对现有自动化平台（如移液工作站、合成仪、酶标仪等）的硬件改造与集成，确保新加模块与原系统的运动控制、通讯协议、软件调度无缝对接。

1.本科及以上学历：自动化、机械设计制造及其自动化、机电一体化、机械工程、控制工程、电气工程及其自动化、测控技术与仪器、仪器科学与技术；
2.可接受出差，参与设备改造打样、现场联调与验收交付；
3.具备非标自动化/系统集成/设备改造交付经验，能把方案落地到现场并完成验收闭环；
4.熟悉现场工程方法：工位动线、治具、传感器、联锁、安全与可靠性测试；
5.能沉淀标准化交付物：BOM/图纸/信号表/验收用例/SOP/故障模式清单，并进行版本管理。

产品经理（实验室应用方向）

2

化学、材料、化工、药学、生物等理工科，或计算机、软件工程、信息管理、工业工程等相关专业

本科及以上

1.设计端到端实验应用闭环：实验模板与参数管理、审批放行、执行监控、暂停恢复、异常处理、报告生成；
2.建立追溯与审计结构：样品/容器/批次/步骤/参数/版本/环境信息与产物文件关联，支持复现、对比与复盘；
3.设计异常处置工作台：告警解释、定位信息、推荐处置步骤、人工介入记录与复盘闭环；
4.推动试点上线与推广：现场调研、SOP培训、上线复盘与持续迭代，形成跨实验室复制模板；
5.协同实验室自动化平台产品负责人/硬件改造与自动化设备产品负责人：将用户侧缺口转为平台契约变更请求，反馈现场痛点与人工介入优化点；
6.具备很强的沟通协调能力，和实验室老师沟通清楚需求，并设计出符合科研人员使用习惯的系统；
7.熟悉敏捷开发，交付过程文档如：PRD、用户手册、产品宣传册等。

1.专业路线满足其一即可：

（1）路线A：化学、材料、化工、药学、生物等理工科+ LIMS、ELN、实验室数字化产品经验；

（2）路线B：计算机、软件工程、信息管理、工业工程+ ToB工作流、IoT平台产品经验。

2.可接受出差，参与实验室需求调研、试点上线、培训与持续迭代；

3.能将复杂线下流程抽象为线上可执行工作流，并定义清晰验收与异常分支；

4.具备强用户共创与推进能力，能将试点跑通并形成可复制推广模板；

5.具备契约意识，基于平台能力设计产品，不绕过平台契约直连设备细节。

产品经理-实验室自动化平台产品负责人

1

计算机科学与技术、软件工程、自动化、控制科学与工程、电子信息、通信工程、测控技术与仪器、仪器科学与技术

本科及以上

1.定义并版本化平台契约：设备能力模型、命令/事件/控制接口、状态机、错误码、幂等与断网恢复语义、资源锁与调度接口等描述；
2.规划边缘网关与适配器体系：部署拓扑、插件化接入、配置与证书管理、灰度升级、远程诊断、日志/指标/告警体系；
3.建立接入准入与质量门槛：Adapter SDK/模板、合规测试、故障注入场景与回归验收标准；
4.对接机器人本体应用与计算软件/调度系统，统一任务接口、状态与产物归档追溯字段；
5.协同相关团队将现场约束转为平台能力与验收标准，将用户缺口转为契约版本迭代并推动落地。

1.本科及以上学历：计算机科学与技术、软件工程、自动化、控制科学与工程、电子信息、通信工程、测控技术与仪器、仪器科学与技术；
2.可接受出差，参与设备接入联调、试点上线与稳定性验收；
3.能将复杂对接抽象为稳定接口与标准，推动规模化交付；
4.理解可靠性机制：幂等、防重、超时/重试、乱序事件、断网续传、补偿/回滚、状态机约束与可观测闭环；
5.理解多种接入形态工程要点：TCP、Modbus、USB/SDK、文件交换完整性与去重；
6.具备跨团队推进能力（研发/测试/运维/现场/厂商）。

数据库/知识图谱工程师

1

计算机、数据科学、情报学、化学信息学、材料信息学等相关专业

硕士研究生及以上

1.负责智能科研平台数据架构设计与建设，统筹实验数据、谱学数据、文献数据、理论计算数据等多源数据的统一建模与治理；
2.负责电子实验记录本、数据自动入库、元数据管理、版本溯源、质量校验、数据资产沉淀等核心数据能力建设；
3.负责知识库、知识图谱、向量检索、样品/材料资产库及协议模板库的设计开发，支撑科研知识发现与智能检索；
4.负责数据标准、实体关系、领域本体、标签体系和接口规范建设，提升跨实验室、跨系统数据互操作能力；
5.负责数据库性能优化、数据安全与权限管理，完成领导交办的其他工作。

1.硕士研究生及以上学历，计算机、数据科学、情报学、化学信息学、材料信息学等相关专业，具有3年以上相关工作经验；
2.熟悉关系型数据库、时序数据库、图数据库、向量数据库等技术体系，具备数据建模、数据治理和ETL开发经验；
3.具有知识图谱、RAG、元数据管理、领域本体建设或科研数据平台建设经验者优先；
4.具有化学/材料领域数据处理经验、跨系统数据集成经验或数据安全治理经验者优先。

Java后端工程师

3

计算机科学与技术、软件工程等相关专业

本科及以上

1.平台底座能力：设备能力模型/过程模型、任务与调度接口、资源锁、多实验室隔离、权限与审计；

2.状态与可靠性：状态机落地、错误码体系、幂等/防重、超时/重试、补偿策略、事件模型与追溯主链路字段；

3.实验应用闭环：实验设计/模板/参数、审批放行、执行监控、暂停/恢复、异常处置工作台、报告与追溯查询；

4.接口治理与版本兼容：API规范、契约一致性、变更评审、兼容策略与回滚预案；

5.工程化与运维：日志/指标/告警口径、线上问题定位、性能与稳定性治理、数据修复策略（如适用）；

6.端到端联调与质量门禁：与边缘/机器人/前端/QA协作，推动E2E用例稳定通过。

1.本科及以上，5年以上Java后端经验，具备复杂业务、状态机/工作流建模与交付能力；
2.精通Java与Spring Boot工程化体系：分层架构、配置与环境隔离、统一异常与错误码规范；
3.熟悉API设计与治理：RESTful规范、OpenAPI/Swagger文档、接口版本与兼容策略、契约一致性要求；
4.熟悉分布式可靠性：幂等（idempotency key）、防重（去重表/inbox-outbox思路）、超时/重试/退避、补偿、资源锁（Lease/分布式锁适用边界）；
5.熟悉事件/消息驱动建模：命令-事件-状态流转，乱序/重复事件处理，至少一次语义下的去重与重放；
6.熟悉关系型数据库（MySQL/PostgreSQL任一）：建模、索引、事务边界与性能优化；能支撑追溯/审计类查询；
7.熟悉Redis（或等价）在锁/限流/缓存/幂等记录等场景的落地与风险边界；
8.熟悉权限与审计：RBAC/ABAC任一、操作留痕与审计查询；具备安全意识（敏感信息不落日志、密钥/证书规范）；
9.具备自动化测试能力：JUnit5 + Spring Boot Test/MockMvc；具备Testcontainers（或等价）集成测试经验优先；
10.具备线上质量意识：监控告警口径、容量与性能治理、灰度/回滚、故障定位与复盘；有ToB平台/追溯审计/IoT自动化系统/团队管理经验优先；

前端web开发

1

计算机科学与技术、软件工程等相关专业

本科及以上

1.负责实验控制台前端开发：实验设计器、执行监控、异常处置台、追溯查询与报告呈现；
2.实现复杂状态管理与权限控制；优化高信息密度界面的可读性与可操作性；
3.与UX/UI协作完成组件化落地、设计走查与可用性迭代；
4.支持联调与问题定位：前端日志、错误收敛、关键链路定位辅助能力。

1.本科及以上，5年以上前端经验，具备B端复杂系统/工作台研发经验；
2.熟悉Vue2/Vue3/React至少两者之一；能在多框架并存下做模块边界治理与渐进式迁移，推动组件库与规范统一；
3.熟悉现代前端工程化：模块化、构建工具（Vite/Webpack任一）、代码规范与组件化开发；具备TypeScript经验优先；
4.能处理复杂交互与长流程状态：WebSocket/SSE、任务进度与阶段展示；能正确处理事件延迟/乱序/重复带来的UI一致性问题；
5.熟悉高信息密度页面的性能优化：虚拟列表、渲染性能、请求并发控制、资源拆包与按需加载；
6.具备接口联调与契约意识：基于OpenAPI/Swagger对齐字段口径与错误码，具备Mock数据与联调规范实践；
7.具备自动化测试与质量意识：单元/组件测试（Jest/Vitest任一）；具备E2E（Cypress/Playwright任一）经验优先；
8.具备可观测与可维护意识：前端埋点、错误收敛与上报（Sentry或等价）经验优先；有监控大屏/流程编排器/团队管理经验优先。

计算化学软件开发工程师

1

理论化学、计算化学、计算材料、化学物理等相关专业

硕士及以上

1.计算引擎开发：参与中心计算化学软件平台的设计与开发，负责化学计算模块的架构设计、算法优化与工程化落地；
2.方法集成与封装：将主流量子化学/材料模拟软件的计算流程进行标准化封装，开发高通量计算工作流引擎；
3.数据pipeline建设：构建从计算任务提交、结果解析到数据存储与可视化的全链路自动化系统，支持大规模并行计算任务的高效调度与监控；
4.智能体开发：开发供研究者使用的，具备易用性、学术性、稳定性、高性能的计算化学/材料学智能体；
5.技术支持：为内部团队及外部客户提供计算化学相关的技术方案支持与问题排查。

1.理论化学、计算化学、计算材料、化学物理或相关专业硕士学历，具有扎实的量子化学、第一性原理或分子模拟基础；

2.至少深入掌握一个理论计算方向，能够解释所用方法的基本原理、适用范围、参数选择、收敛条件及主要误差来源；

3.熟练使用至少一类主流计算化学或材料模拟软件，能够独立完成模型构建、输入准备、计算提交、结果解析及常见问题排查；

4.熟练使用Python进行科学计算和软件开发，能够将科研脚本整理为结构清晰、可测试、可复用的程序模块；

5.熟悉Linux环境和基本高性能计算流程，了解任务调度、并行计算、资源配置、计算监控、失败重试和断点续算；

6.能够开发计算结果解析、数据清洗、格式转换和批量任务自动化工具，重视数据单位、元数据、版本及计算过程的可追溯性；

7.掌握Git、单元测试、日志、异常处理、环境管理和技术文档等基本软件工程方法；

8.具备科学结果验证意识，通过收敛性测试、基准体系对照、物理化学合理性检查及回归测试判断计算结果是否可信；

9.加分项：

（1）使用过ASE、pymatgen、RDKit等科学计算工具包；

（2）接触过Docker、REST API、SQL数据库或对象存储；

（3）开发过高通量计算工作流或Slurm任务管理工具；

（4）有开源软件贡献、可演示的代码仓库或科研软件项目；

（5）了解机器学习势、化学信息学或AI for Science；

（6）了解大模型工具调用、结构化输出、RAG或智能体评测。