后端研发工程师-小荷健康

优缺点分析

角色解读

• 技术深度方向：成为大模型工程专家或分布式系统架构师，主导医疗AI核心能力建设
• 技术管理方向：从IC成长为技术Leader，带领小团队完成项目交付与技术创新
• 业务交叉方向：结合医疗健康行业知识，转型为AI产品解决方案架构师或技术产品经理
• 负责小荷健康服务端系统的架构设计与开发，深度集成医疗大模型和AI技术
• 与产品经理和前端工程师协作，基于AI Native理念拆解需求、设计方案并实现功能
• 进行大模型工程优化、服务性能调优和稳定性保障，持续提升系统架构和用户体验
• 参与技术选型、代码评审，推动团队技术迭代和研发效率提升
• 扎实的编程能力：熟练掌握Golang/Java/Python等至少一门语言，熟悉常用数据结构和算法
• 后端技术深度：精通缓存、消息队列、负载均衡、分布式存储等中间件原理与实践
• 大模型工程经验（优先）：熟悉Agent、RAG、Prompt Engineering、模型安全等方向
• 系统设计能力：了解微服务架构、容器化（Docker/K8s），有高并发、大数据量系统开发经验

申请策略

• 关注字节跳动招聘官网和牛客网的面经，提前了解面试风格
• 在简历中体现对AI Native产品的理解，可以附上个人博客、GitHub或技术分享链接
• 突出后端项目经验，尤其是高并发、分布式系统设计案例，用数据体现优化效果
• 强调大模型相关经历，如Agent、RAG、Prompt调优等，附上具体项目或尝试
• 展示编码习惯：代码质量、重构、单元测试等，体现工程化思维
• 如果有医疗健康行业背景或项目，务必突出，与业务方向贴合
• 补充大模型工程知识：了解主流大模型API调用、微调、RAG框架（如LangChain、LlamaIndex）
• 深入学习Kubernetes和Docker，掌握容器化部署和编排技能

面试指南

• 技术问题采用STAR法则：描述场景、任务、行动、结果，突出量化成果
• 系统设计题从需求分析、数据模型、架构设计、扩展性、容错性等维度逐步展开
• 行为问题结合自身经历，展示学习能力和协作精神，与字节范（追求极致、务实敢为）对齐
• 请介绍一个你参与的大型后端项目，包括架构设计、技术选型及你的贡献
• 你如何理解大模型工程中的RAG？请详细说明其原理和实现难点
• 设计一个高并发、低延迟的医疗数据查询系统，你会考虑哪些关键点？
• 你在工作中如何保证代码质量和系统稳定性？请举例
• 为什么选择加入小荷健康？你对AI+医疗的未来有什么看法？