Mlytics 職缺

把內容變成商業交易。 為意圖經濟打造的 AI Answer Engine。

我們正在打造 Intent Refinery — 在內容消費的當下捕捉讀者意圖、媒合品牌、轉化為可衡量的商業成果。不是曝光數。不是點擊數。是讀者主動表達的購買意圖，用 CPL 計價。

關於 Mlytics

Mlytics 是為意圖經濟打造的 AI Answer Engine。

媒體與出版業者的流量正在被廣告稀釋、被 AI search 侵蝕，yield 持續下滑。我們在每篇文章裡嵌入 AI Q&A，把讀者的購買意圖抓出來、匹配給品牌客戶，用 CPL 變現。Content Owner 拿到新的收入流，Brand 拿到比傳統廣告精準得多的 qualified leads。

我們的 5 層 Intent Refinery — Content → Decisive Engine → AI Q&A → Full Conversation → Lead Pilot — 已在 15+ 家台灣頭部媒體上線，服務 4M+ 週活躍使用者。

Mlytics 從 multi-CDN 起家。那套基礎設施 — <50ms 路由、multi-vendor failover — 現在是整個 refinery 的技術底層。同樣的工程紀律，更大的企圖心。

關鍵數據

4M+ 週活躍使用者
15+ 台灣頭部媒體已上線整合
2,500x 效率提升：AI 生成內容 $0.10 vs. 人工撰寫 $250

我們在做什麼

有實際規模的分散式系統。 4M+ WAU、<50ms p95、multi-vendor failover（Cloudflare / Akamai / Fastly）、真實的 CDN 經濟模型。
真的在做事的 AI agent。 Intent classification、publisher-specific knowledge base 上的 RAG、multi-step agent runtime。不是 chatbot demo。
雙邊市場的機制設計。 Publisher supply 對接 brand demand，透過 real-time intent matching。CPL 定價。Editorial guardrails。真的有錢在流動。
Product engineering，不是 feature engineering。 每個工程師都參與 scoping。每個 slice 都有付費客戶的 gate。沒有 ship 給真實使用者的東西，就不算 ship。

開放職缺

職位	地點	團隊
AI-Powered Full Stack Engineer	新加坡 / 台北	Product
AI Data Engineer	新加坡 / 台北	Data & Innovation

我們怎麼做事

2026 年 4 月初，四個人的團隊在六小時內 ship 了一整套 AI 影音新聞產線。九天後，一位工程師搭配 Claude Opus 在一天內 ship 了雙 agent 品牌整合系統。在我們三個最新的 production codebase 裡，超過四分之一的 commit 以 Claude 為 co-author。這是 AI-first 工程從內部看起來的樣子，不是新聞稿。

我們怎麼做事 → Becoming Product Builders with Business Thinking

如何應徵

寄給我們任何能展現你思考方式的東西 — side project、技術文章、你引以為傲的 PR、或一段訊息解釋為什麼這個機會引起你的注意。

📧 [email protected]

我們在意的是你做過什麼，不是你待過哪裡。

有問題？→ 候選人 FAQ