当前，大模型与生成式AI技术正以前所未有的速度重塑各行各业，对底层算力与部署效率提出了更高要求。在这一背景下，如何让AI模型更快上线、更稳定运行、真正服务于实际应用，成为AI基础设施建设的关键命题。来自腾讯混元大模型工程组的全栈工程师付玮璇，正是在AI模型自动化部署与开源Agent系统领域持续发力，以系统性的工程创新推动AI基础设施平台化演进，备受业界瞩目。

付玮璇，本科毕业于哈尔滨工业大学电信工程专业，后赴美国德州大学奥斯汀分校攻读信息学硕士，专注于人机交互与数据可视化方向。在IBM Watson任职软件开发实习生期间，她参与Company Profiler项目，构建多用户对话式Web应用，并整合语音与自然语言API。研究生毕业后，她加入Meta位于加州门洛帕克总部的团队，担任软件工程师四年有余，主攻Facebook商业广告产品的全栈开发，以及Horizon元宇宙平台的VR游戏开发，技术栈覆盖React、React Native、Objective-C、GraphQL、PHP以及Unity C#，为后续技术突破奠定了多元技术基础。

在Meta工作期间，付玮璇不仅精进了工程开发能力，还在产品增长分析与实验设计中实现突破。她带领三人工程小组，构建疫情期间帮助商家推广礼品卡的跨平台解决方案，在iOS端完成复杂的编辑器集成，并设计后端数据表schema与API接口，供Web、Android与iOS多端调用。她还主导了Facebook商业页面“有价值互动”指标的产品路线图，并通过A/B测试、漏斗分析等增长方法，推进了产品方向的落地。

2023年，付玮璇加入Flexport美国总部，领导前端工作流，从零开始设计并开发了第三方货运追踪产品，推动React组件架构和GraphQL数据结构的工程方案。回国后，她加入腾讯，成为混元大模型工程组的全栈开发者，专注于AI模型工作流的工程化部署。其主导研发的AI模型部署自动化平台，支持将ComfyUI图像生成工作流从沙盒研发环境快速上线为生产级推理服务API，集成了可视化API参数编辑、镜像打包、Redis异步消息队列以及GPU集群推理流量分发等功能，可将AI生图工作流的上线周期从10余天大大压缩至3天以内，累计已处理百万级推理请求，成为公司AI多模态能力落地的核心平台之一。

在腾讯混元项目中，她不仅负责前后端全栈开发，还推动了平台的可维护性与系统稳定性优化。她引入了动态参数识别与类型推断机制，使平台能够自动生成API配置界面，大幅降低研发与设计人员的使用门槛；同时，结合Triton Inference Server实现多模型动态加载与GPU资源复用策略，提升了高并发场景下的调用稳定性与资源利用率。她还负责设计并实现了混元大模型官网的生图工作流体验社区，帮助用户通过网页端实现无需安装、零配置的拖拽式生图生成与工作流编排，推动了AI生图能力的产品化和C端落地。

除了在企业中推动AI技术的工程化，付玮璇也持续以开源项目反哺行业。她在业余时间开发了Jaaz项目——基于MCP协议的远程Linux沙盒系统，允许大模型（如Claude等）进行全自动的代码编写、调试与发布。该项目应用Docker容器调度、网络隔离和生命周期管理，显著提升了大模型应用的开发效率与安全性，既充分彰显了她在AI自动化领域的深厚技术功力，并为行业内开发者提供了高效、安全的工具支持。

谈及个人的技术理念时，付玮璇表示，她一直专注于如何通过平台化与自动化的方法，降低AI模型使用的门槛，使AI能力能够像电力一样随取随用，并最终为各行各业的创造力提供底层基础设施支持。她也将继续深耕AI基础设施与MLOps领域，探索模型微服务化、Agent系统自动化，以及如何在开源社区中推动AI即服务（AI-as-a-Service）的可落地框架。对于年轻的工程师，她建议是保持对底层技术的学习热情，培养对用户体验的同理心，既要埋头扎进技术深处，也要抬头看清应用场景。未来，她计划进一步推动更多开源项目的孵化，探索加入创业团队或自建技术社区，以开放共享加速AI工程能力的普惠与落地。

从Meta的产品增长与跨平台开发，到Flexport的物流技术创新，从腾讯混元大模型平台的核心建设，到多个突破千星标的AI开源项目，付玮璇以扎实的技术能力、系统化的工程方法和对AI落地的敏锐洞察，推动AI技术从概念走向生产实践与日常应用。如今的她，不仅是瞩目的技术专家，更成为了引领AI基础设施未来发展的关键人物。（文/李佳怡）