[联合创始人 & CTO 招募] 云端中立 AI Agent 消费智能体 一、 我们是谁 & 要做什么？ Meta 发布的 Muse 已经证实了移动端 UI Agent 的巨大前景。然而，国内淘宝、微信、京东、拼多多等生态高度封闭与严格风控，导致大厂（受广告业务绑架）无法做出真正“站在消费者立场、跨平台中立比价与自动履约”的产品。 我们正在打造一款 Cloud-First （云端优先）的移动端 AI 消费助手 App 。用户仅需发送一张图片或一句指令，云端 Agent 集群即可在数秒内完成跨平台数据抓取、优惠算法折算与品质风控过滤，帮用户一键找到全网实付最低价并辅助下单。 二、 你的核心挑战（ CTO 职责） 我们需要一位能够亲自动手打仗、具备大厂级工程能力的技术合伙人： 云端架构搭建：基于 Serverless + Playwright / Browserless 构建高并发无头浏览器容器池。 反爬虫与风控对抗：设计动态住宅 IP 路由、浏览器指纹伪装及 VLM （视觉大模型）自动化打码系统。 人机协同（ HITL ）引擎：设计极低延迟的屏幕流交互，在短信验证码/人脸识别节点实现手机端无缝接管。 三、 我（ CEO ）将带来什么？ 商业闭环与产品设计：清晰的商业变现路径（订阅制 + 导购佣金 + 节约分成）。 琴澳政策资助与杠杆：以澳门公司主体撬动澳门科技发展基金（ FDCT ）研发资助、横琴深合区科技补贴与创业大赛奖金。 投融资与资源整合：主导风险投资（ Pre-Seed / Seed 轮）路演，负责法务合规、用户增长与团队运营，让技术团队无后顾之忧。 四、 股权与薪酬方案 联合创始人股权：16% 核心股权（附带国际标准的 4 年 Vesting 兑现期与 1 年 Cliff 门槛期）。 薪酬计划：Pre-Seed 融资完成（或资助到账）前，双方共同投入 Sweat Equity 快速打造 MVP ；融资金额到位后，立即转为市场化高薪全职。 寻找这样的你：熟悉 Python/Node.js 高并发架构，有无头浏览器、自动化爬虫或 AI Agent 研发经验。大湾区/澳门高校计算机硕士/博士或大厂背景优先。 联系方式：[邮箱 [email protected]]
• 外包信息请发到 /go/outsourcing 节点。
• 不要把相同的信息发到不同的节点
 |
1
Paradoxos 10h 25m ago  4
没钱创什么业，技术人员活该被你白嫖吗？
|
 |
2
aoxiansheng 10h 11m ago
0 薪酬，真大方。token 都得花钱呢。
|
 |
3
JackyTsang 9h 7m ago via Android 1
不是泼冷水哈，我认为你的最佳 “技术联合创始人” 是 Deepseek 、GPT 、Claude 、Grok 等。
|
 |
4
uqf0663 8h 49m ago
该说不说，直接在标题写明零薪，而不是把人骗进来再说，这个坦诚的行为还是值得表扬的。
|
 |
5
peon 7h 52m ago
你自己学一下 vibe coding 就好了嘛
|
 |
6
wdhwg001 7h 37m ago
实话：你的当务之急是立刻去报名 Antler Residency ，然后你就不缺这个人了。
如果你没通过，那么打磨自己很重要。 澳洲的 VC 们还是很宽松的。 |
 |
7
niubee1 7h 1m ago
如果都 0 薪了，那么我自己都能干了，要你有何用？
|
 |
8
bojue 6h 38m ago
有这个能力的人不需要你们团队，没有任何帮助
|
 |
9
huigeer 6h 19m ago via Android
马靠就是这帮人搞坏了风气
|
 |
10
nofishing 6h 4m ago
都被你们搞出刻板印象了，海外华人小老板创业真是又穷又精，在外面骗不到人都来国内骗是吧
|
 |
11
metalvest 5h 42m ago
1. 物理瓶颈
结论：数秒内跨平台抓取与并发成本直接冲突，反爬对抗是持续消耗战。 单用户请求若需跨 5–10 个平台，需并行启动同等数量无头浏览器会话。 Browserless 定价：约 40 并发 $140/月，仅能同时服务 4–8 个用户。 Serverless 冷启动叠加代理池初始化，导航超时从 6–8 秒升至 15 秒以上。 “数秒内完成”承诺与并发成本、冷启动延迟构成硬矛盾。 平台风控是动态瓶颈：住宅 IP 、指纹伪装、VLM 打码可短期绕过，但平台升级后需持续适配。TOC 有效产出不取决于 Agent 多强，而取决于平台风控的瓶颈位置。 判断：原型可搭建，规模化消费级产品不可持续。 2. 数据边界 结论：平台数据受法律与契约约束，技术能力无法突破数据主权。 2025 年《反不正当竞争法》第十三条第三款禁止“避开或破坏技术管理措施获取其他经营者合法持有的数据”。 动态住宅 IP 、指纹伪装、VLM 打码属于典型“避开技术管理措施”，法律风险明确。 实时价格、库存、优惠券属于平台私有高信噪比数据，公开爬取无法稳定获取。 合规路径只有两条：平台官方 API 授权，或用户设备本地代理（使用用户自己的账号与会话）。 无授权则无稳定输入；输入质量决定输出质量。 判断：云端批量抓取不可持续；必须转向官方 API 或本地代理。 3. 架构缺陷 结论：长周期多平台任务必然发生逻辑漂移与信噪比衰减。 跨平台比价涉及多步推理：抓取→解析→优惠券叠加→品质过滤→排序→下单。 早期抓取的价格可能在后续步骤中已失效；优惠规则可能中途变化。 生成式模型在长上下文中会稀释早期约束，噪声随时间累积。 需要外部状态机、滑动窗口、每步一致性校验，但这增加延迟与成本。 HITL 纠正信噪比需要新信息输入，而新信息又引入额外噪声，形成反馈悖论。 判断：架构可缓解，不能根除；长链条自动化必然需要人工兜底。 4. 技术规律 结论：反爬与风控是军备竞赛，技术演进遵循 S 型曲线，不能线性外推。 住宅 IP 段会被批量标记，浏览器指纹特征会被更新，验证码扰动算法会迭代。 每一次平台升级都要求技术栈对应调整，运维成本持续存在。 AI 能力提升不能绕过平台主权、法律授权与物理时间成本。 将“AI 越来越强”外推为“自动抓取永远可行”，是静态线性思维。 判断：技术投入边际收益递减，无法形成稳定护城河。 |
 |
12
orion1 5h 41m ago
ai 这么强了，需求扔给 ai 不就做出来了嘛
|
Select Language