任务详情
直入主题，我们需要的前端画像如下：
需要做的事情：
1、核心画布（无限画布形态）开发：基于 React Flow 进行深度二次开发，构建多节点（超过800个节点）的复杂拓扑编排界面。
2、性能极限优化：负责无限画布的性能调优，实现 Viewport Culling (视口裁剪)、LOD (细节分级渲染) 及 Canvas/SVG 混合渲染，确保在复杂业务下维持 60FPS。
3、实时状态流控制：设计并实现基于 SSE (Server-Sent Events) 与 Redis 信号的实时反馈系统，处理高频 AI 推理进度与日志的局部渲染。
4、Agent 交互设计：与 AI 算法团队协作，设计并实现 Agent 推理过程（Reasoning）的流式展示及多模态产物（视频/图片）的内嵌预览逻辑。
5、复杂状态管理：利用 Zustand 构建高内聚、低耦合的全局状态池，解决大规模节点属性同步时的性能瓶颈。
核心技术栈要求：
1、React 深度用户：精通 React / Next.js 生态，对 Hooks 性能优化、组件渲染闭环有深入理解。
2、有图形/画布经验：有 React Flow、D3.js、G6 或 Cytoscape.js 等图可视化库的实际项目经验。
3、擅长前端的性能调优：熟悉浏览器渲染原理，能够解决长列表、大数额 DOM 节点的卡顿问题；熟练使用 Chrome DevTools 进行内存泄漏及渲染压力分析。
4、实时通信：深入理解 SSE (Server-Sent Events) 与 WebSocket 通信机制，能够处理不稳定的长连接逻辑。
5、具备工程化能力：精通 TailwindCSS，对 CSS 变量、高性能动画（Transform/Opacity）有丰富实践。
其他加分项：
1、图形学功底：熟悉 Canvas API 或 WebGL，了解 四叉树 (Quadtree) 空间索引算法。
2、AI 领域热忱：关注 LLM、Agent 领域，了解 AI Agent 的推理流程，有调用过 OpenAI、Gemini 或相关框架接口经验。
3、全栈意识：熟悉 FastAPI 或 Java 21 异步编程，了解分布式任务编排（如 Temporal）的概念。
面试要求：
1、附带过往开发的复杂流程图、无限画布、数据可视化相关的视频、Demo 或 GitHub 链接。
2、能够清晰描述你是如何解决一个具体的前端性能瓶颈问题的。
