负责 Moonshot AI 开放平台及 API 产品的质量保障，面向开发者与企业客户构建高可用的基础设施体验，重点关注 API 契约一致性、计费准确性、开发者体验（DX）及企业级 SaaS 质量保障。独立负责 RESTful API、SDK 及开发者工具的测试方案设计与执行，把控版本发布质量与向后兼容性；从设计阶段介入契约测试，预防破坏性变更，具备接口层面的灰盒/白盒测试能力；负责计费系统测试，覆盖用量统计准确性、账单一致性、额度管控...

负责 EDR 系统的部署、策略配置、规则调优及高可用保障；基于 EDR 告警开展威胁狩猎，分析恶意行为链（IOA），完成事件定性、溯源与闭环处置；通过 Python、Shell、PowerShell 脚本实现数据采集、策略下发与自动化响应；负责 Windows/Linux 安全基线建设及漏洞全生命周期管理；对接 SOC/SIEM 平台，完成日志接入与关联分析规则优化；负责日常告警研判及重大安全事件处置，快速收敛攻击面。

负责设计、搭建并持续迭代大模型多维度评测框架，使模型能力可衡量、可对比、可解释；与算法团队协作，将评测结论转化为数据需求，识别能够提升模型能力的关键数据并推动落地；持续跟踪前沿论文与开源社区，及时将新的评测维度和数据策略应用到业务中，并以产品思维推动问题发现与解决。要求具备至少一种Python、Go、Java、C++语言使用经验，能够独立编写脚本、调用API、搭建小工具，熟悉SQL、Pandas、Jupyter等分析工具，对大模型及SF...

负责指导公司的内容安全团队，确保内容质量、处理效率和用户体验；制定并实施内容质量管理流程和标准，优化日常业务处理规范，持续提升团队专业能力和交付水平；收集并分析风险案例，推动风控政策与流程持续改进；监控内容数据，总结分析并持续优化内容质量；协调与其他部门合作，确保项目按时完成并达到预期目标。要求本科及以上学历，具备AI行业安全工作经验及5年以上内容安全行业经验，对风险内容有较强敏感度，具备数据分析、风险识别与控制能力，并有团队管理和业务...

寻找具备产品构建者思维的工程师，能够在 Desktop、Web、Android 等不同客户端技术栈之间灵活切换，不被单一系统或框架限制；从大前端视角进行全栈交付，参与 Electron/Tauri 桌面端开发、Kotlin Multiplatform 逻辑复用，以及 Windows/macOS 原生层（如 Win32、AppKit、C++）的深度系统集成开发；深度使用 Cursor、Copilot、Claude 等 AI 工具，通过 P...

负责Kimi业务线安全风险识别、评估与治理，主导安全建设项目规划、推进及闭环落地，建立并持续优化业务安全治理框架；负责研发安全生命周期（SDLC）流程建设与优化，制定安全编码规范与评审机制，设计并落地通用安全解决方案，重点覆盖隐私安全保护、数据防泄漏（DLP）及数据分类分级；负责上线前安全测试（黑盒、白盒）、例行安全检查、渗透测试及APP安全测试，输出测试报告并推动漏洞修复闭环；负责安全事件的应急响应、根因分析与溯源取证，建立并完善应急...

作为 Kimi 面向技术社区的发声者与现场技术支持，围绕核心技术能力产出面向开发者和技术决策者的深度内容，包括技术博客、最佳实践、架构解析和 Benchmark 解读，帮助行业建立对 Kimi 技术路径的认知与信任。负责设计并迭代内容生产工作流，利用 LLM 工具辅助研究、大纲生成、代码验证和多版本优化，建设可复用的内容资产库，如 Prompt 模板、技术事实库和案例库，实现高质量内容规模化产出；同时探索交互式文档、AI 生成视频脚本、...

负责建立并深化与 AWS、GCP、Azure 等超大规模云厂商的战略合作关系，推动云市场上架、联合解决方案开发、联合销售与联合市场拓展，使云厂商成为业务增长的重要引擎；拓展第三方 AI 服务平台合作，设计模型分发与 API 集成的商业模式，构建多元化客户触点网络；从零搭建全球合作伙伴生态体系，识别并激活关键渠道伙伴、ISV 和系统集成商，建设可扩展的 GTM 网络与竞争壁垒；建立合作生态的量化价值指标，包括联合商机、平台收入贡献和伙伴激...

负责在 Agentic 与多智能体强化学习方向推进算法、环境和基础设施的突破，提升 Kimi K2 及后续模型在真实世界中的自主能力。要求精通强化学习相关方法，包括策略梯度、Actor-Critic、Self-Play、Meta-RL、MARL；具备大规模训练与低延迟推理系统的落地经验；具备系统级编程与分布式架构设计能力（Python/C++/Rust）；有 Agentic RL、工具调用智能体或多智能体系统的发表或上线记录。具备代码执...

负责打造支撑下一代大模型自我进化的强化学习基础设施，围绕大规模 Agentic RL 场景设计训练与采样的混合调度策略，优化 Policy、Reference、Reward、Value 等多模型的并行协同与显存共享；深度定制 vLLM，优化 Rollout 阶段的 KV Cache 复用、量化与投机方法，尽可能降低 Token 生成延迟；结合算法、框架与硬件进行协同优化，为不同强化学习算法负载和硬件设施制定最优并行策略，最大化 MFU。...