【比赛专用】材料科研Agent全栈开发实习生

我们正在寻找一批对材料智能体和智能化平台研发充满热情的实习生，加入我们的技术团队，你将参与材料智能体平台的研发与优化工作。该平台核心任务是智能调度各类科学计算与分析算子（如第一性原理计算、分子动力学模拟、性能预测模型等），在多步骤、多依赖关系的科研与工程工作流中实现高效、可靠的执行，将科研人员从繁琐的计算配置中解放出来。

核心职责
您将参与以下一个或多个方向的研发工作：
1. 工程化落地：参与 Agent 平台后端架构开发，利用 FastAPI 构建高性能接口，支撑大规模算子调度；
2. 平台前端开发：参与 Agent 平台的前端研发工作，利用 React 开发用户友好的 Agent 平台界面；
3. 算子容器化：优化VASP, LAMMPS, GROMACS 等计算软件的skills和评测集；
4. 智能调度优化：优化多 Agent 协作逻辑，解决在多步骤、长周期任务中 Agent 调用工具的稳定性问题；
5. 前沿探索：探索 LLM 与科学计算工作流（dflow 等）的结合，实现从自然语言到复杂物理模拟的自动映射。

1. 核心硬实力（必须）：

• 扎实的 Python 功底：深刻理解 Python 编程，熟悉 FastAPI/Flask 等 Web 框架，代码风格严谨（遵循 PEP8）。
• 工程化思维：具备良好的系统设计能力，能编写高可维护、模块化的代码；熟练使用 Git 工作流。
• Linux/容器化能力：熟悉 Linux 环境，能独立编写 Dockerfile，了解基础的计算环境配置。

2. 加分项（如果你具备以下任意一项，我们将优先考虑）：

• 全栈开发者：熟悉 React 等前端框架，能独立完成高质量的前端页面开发。
• Agent 开发经验：有过 LangChain, LangGraph, AutoGen 或类似框架的实战经验。
• 科研计算背景：了解或使用过 LAMMPS, GROMACS, VASP, CP2K 等模拟软件中的至少一种。
• 分布式/流控经验：了解 Redis, RabbitMQ 或 Celery 等中间件，处理过高并发或长时任务调度。
• 开源贡献：在 GitHub 上有活跃的个人项目或参与过知名开源项目的 PR 贡献。

你将获得

• 硬核技术成长：深度参与从 0 到 1 的 AI + Science 平台建设，接触最前沿的多智能体调度架构。
• 跨界能力融合：在顶级科学家指导下，理解物理模拟背后的逻辑，成为 AI 时代稀缺的“工程 + 科学”复合型人才。
• 极客氛围：拒绝拧螺丝，鼓励通过技术手段解决实际的科研痛点。