格步
Lead Software Engineer, AI Platform
Lead Software Engineer, AI Platform
发布于 6 个月前基层主管/组长
Singapore, Singapore
高级经验
全职员工
仅现场办公
学历未注明
软件工程
LLMs
Next.js
分布式系统
系统设计
Ai Sre
GO
LangGraph
薪资面议
暂无薪资依据说明。
职位详情
关于这个职位
这是一个AI平台的首席软件工程师职位，你将专注于事件与事故管理领域，利用先进的AI和机器学习技术（如LLMs、LangChain）来构建和扩展解决方案，以提升司机合作伙伴的体验和市场效率
作为技术负责人，你需要独立负责项目的构思、规划与执行，并构建可扩展的全栈解决方案
最低要求
扎实的计算机科学基础：数据结构、算法、多线程、分布式系统、关系型/非关系型数据库
在LLMs、LangChain、LangGraph方面具备专业知识，用于对话式AI开发
精通后端语言（例如Go、Python、Java），重点关注Go和Python
具备现代前端框架（例如Next.js）、SSR概念（SSR/SSG）和协议（WebSocket、Streamable HTTP、gRPC）的经验
年以上云平台（AWS/Azure）和可扩展后端部署经验
倡导左移测试，包括单元测试、集成测试和自动化测试
具备跨团队/跨地区利益相关者协作的经验
强大的解决问题和系统设计能力，以实现可扩展性和稳定性
擅长为跨团队协作创建简洁的技术文档
强烈的责任心，能够在快节奏环境中独立工作
出色的系统设计能力，对代码质量和可扩展性有高标准
工作职责
独立领导与执行：作为技术负责人，全面负责项目的构思、规划和执行
使用LLMs、LangChain和LangGraph开发AI SRE代理和聊天机器人，以提升司机体验并解决现实世界的挑战
构建可扩展的全栈解决方案，包括基于云的后端和高效的Web界面
使用现代语言（例如Python、Go）和框架编写高质量代码，确保可扩展性和效率
进行代码/设计审查
部署机器学习管道，并将AI代理与技术基础设施系统集成
与跨职能团队合作，实施功能并评估业务影响
确保移动端集成顺畅
指导与激励：提供深入的技术指导，培养平台思维，并在工程和研究团队中营造卓越文化
参与待命轮换，进行根本原因分析，并参与事后分析
AI 洞察
优缺点分析
优点
- 作为东南亚领先超级应用Grab的技术团队一员，你将在一个高速发展、业务场景丰富的平台工作，能获得宝贵的规模化系统经验
- 职位明确要求领导职责和技术指导，提供了从个人贡献者向技术领导角色过渡的清晰路径
- 作为技术负责人，需要独立负责项目从构思到交付的全过程，并承担指导他人的责任，对综合能力要求高
- 这个职位适合拥有丰富后端和云经验，并对将AI/ML技术应用于解决实际工程和运维问题充满热情的高级软件工程师或技术负责人
缺点 / 挑战
- 这是一个处于AI应用前沿的岗位，你将直接使用LLMs等尖端技术解决真实的业务问题（司机体验、市场效率），技术栈非常现代且有挑战性
- 职位要求高，需要同时具备深厚的后端工程、AI应用和一定的全栈开发能力，技术广度要求高，学习压力大
- 作为事件管理的核心，可能需要参与on-call轮换，处理紧急线上问题，工作可能涉及一定压力
角色解读
- 在这个岗位上，你可以从一名高级技术专家成长为团队的技术领导者和架构师，深入AI在运维和用户体验领域的应用前沿
- 长期发展路径可以朝向AI平台架构师、技术经理，或者在AI驱动的产品可靠性领域成为专家，对公司的核心业务运营产生直接影响
- 你将作为技术负责人，主导AI驱动的SRE（站点可靠性工程）工具的开发，特别是事件管理相关的AI代理和聊天机器人
- 你的核心工作是利用大语言模型（LLMs）和框架（如LangChain）构建全栈解决方案，从后端云服务到前端界面，以提升Grab平台司机端的体验和运营效率
- 此外，你需要负责部署机器学习管道，并与现有技术基础设施进行集成
- 你需要具备扎实的计算机科学基础和5年以上的云平台（AWS/Azure）后端开发经验，精通Go和Python
- 核心技能要求包括对LLMs、LangChain、LangGraph等AI工具链的深入理解和应用能力，用于构建对话式AI
- 同时，你需要熟悉现代前端技术（如Next.js）和全栈系统设计，以确保解决方案的可扩展性和稳定性
申请策略
- 深入了解Grab作为东南亚超级应用的业务模式，特别是其司机端和 marketplace 的运作，思考AI技术可以如何优化这些环节，这能在面试中展现你的业务洞察力
- 研究Grab的工程文化和技术博客，了解其技术栈和面临的挑战，使你的申请更具针对性
- 重点突出你在Go/Python后端开发、AWS/Azure云部署以及构建可扩展分布式系统方面的具体项目经验和量化成果
- 详细描述任何与LLMs、LangChain或构建AI代理/聊天机器人相关的项目，说明你解决的问题和使用的技术栈
- 展示你作为技术负责人或核心贡献者，独立负责并成功交付复杂项目的经历，特别是涉及跨团队协作的部分
- 如果对LangChain/LangGraph生态不熟悉，建议通过构建一个小型AI代理项目来快速上手，理解其核心概念和工作流
- 复习系统设计原则，特别是与高可用性、可扩展后端和事件驱动架构相关的案例，以应对可能的设计面试环节
面试指南
- 对于技术问题，采用STAR原则（情境、任务、行动、结果）来结构化你的回答，重点突出你的技术决策、权衡考量以及最终的业务或技术成果
- 对于系统设计问题，从明确需求和非功能性需求开始，然后分层（数据层、服务层、接口层等）阐述你的设计，讨论可扩展性、容错性和数据流
- 对于行为问题，结合具体实例，展示你的领导力、问题解决能力和协作精神
- 请描述一个你使用LLMs或LangChain解决实际问题的项目
- 你是如何设计架构并处理相关挑战的？
- 请设计一个用于网约车平台事件自动分类和初步响应的AI SRE聊天机器人系统
- 你会考虑哪些组件和数据流？
- 描述一个你构建过的需要高可扩展性和稳定性的后端系统
职位点评
Watch Jobs