高级AI开发工程师（安全）-剪映CapCut（广州/深圳）

优缺点分析

角色解读

• 技术深耕：向AI安全架构专家或LLM安全领域权威发展，主导安全技术演进
• 管理转型：从技术负责人逐步转向团队管理，如AI安全团队负责人或技术总监
• 跨领域拓展：结合模型研发、产品安全等方向，成为AI安全领域的复合型人才
• 设计并优化AI安全网关的分布式架构，确保系统能支撑亿级用户的实时调用，低延迟且高可用
• 开发LLM安全护栏的核心模块，包括Prompt过滤、越狱攻击检测、敏感信息识别等，构建可插拔的安全流水线
• 与安全研究团队协作，实现针对新型攻击的防御机制，并搭建自动化安全评测框架以量化防护效果
• 研发后台管理工具，支持安全策略配置、风险事件分析和攻击样本管理，提升运营效率
• 精通后端编程语言（Go/Java/C++），具备出色的编码能力和代码风格
• 深入理解分布式系统设计，有高并发、低延迟、高可用系统开发经验，熟悉微服务、gRPC、缓存、消息队列等
• 了解大语言模型（LLM）基础原理及安全风险，能从攻击者视角思考系统安全
• 加分项：LLM安全、Prompt攻防、云原生（K8s、Istio）、内容安全或风控经验

申请策略

• 申请时附上技术博客或Github项目，展示对AI安全的理解和工程能力
• 了解剪映CapCut的业务场景，思考AI安全如何平衡用户体验与风险控制，在面试中体现业务思考
• 重点突出后端分布式系统设计经验，特别是高并发、低延迟项目的具体成果（如QPS、延迟优化数据）
• 展示对AI安全的了解，如LLM安全相关的项目、研究或博客，即使非工作经历也可提及
• 强调编程语言熟练度，特别是Go/Java/C++的项目代码片段，并体现良好的代码风格
• 补充LLM安全基础知识，阅读Prompt攻防论文或参与开源项目（如AI Guardian）
• 实践云原生技术，学习Kubernetes、Istio等工具，完成一个微服务安全网关的Demo
• 熟悉AI安全评测框架，尝试搭建简单的自动化评测流水线

面试指南

• 系统设计类问题：先明确需求（QPS、延迟、可用性），然后分层架构（网关层、过滤层、存储层），给出关键技术选型（如Redis缓存、Kafka队列、无状态设计），最后评估瓶颈
• 安全攻防类问题：先说明攻击原理（如提示注入），然后给出检测方法（规则+模型），最后谈防御纵深（输入过滤、输出验证、实时监控）
• 请设计一个低延迟的LLM prompt过滤系统，如何处理高并发？
• 你如何检测并防御针对LLM的越狱攻击？请举例说明
• 描述一个你过去优化的高可用分布式系统案例，你做了什么改进？
• 谈谈你对AI安全未来趋势的看法，特别是生成式AI带来的新威胁
• 复习分布式系统设计要点，特别是限流、降级、熔断等模式，准备1-2个具体案例
• 深入研究LLM安全文献，了解OWASP Top 10 for LLM等参考框架，并思考实际应用