高级后端开发工程师（储能）(J20090)

优缺点分析

角色解读

• 从高级后端开发向技术专家或架构师方向发展，深耕储能IoT与云原生架构
• 向技术Leader转型，带领团队攻克高并发、高可用技术难题，推动AI与业务深度融合
• 负责储能IoT云平台的核心架构设计与后端开发，保障系统高并发与高可用
• 深入储能业务场景，进行设备与能源管理的数据建模，并推动AI技术在智能运维等场景的落地
• 与跨部门团队协同，推进微服务架构治理及云原生技术演进
• 精通Java主流框架及中间件，具备大规模分布式系统设计与微服务治理能力
• 熟悉物联网协议（如MQTT、LoRA）及云原生技术，有阿里云/谷歌云使用经验
• 具备储能或新能源行业背景，了解AI工具链及大数据处理技术

申请策略

• 在面试中展现出对跨团队协同（硬件、算法、产品）的沟通能力及复杂问题的拆解能力
• 了解传音在新能源及储能领域的战略布局，以便在面试中更好地契合公司业务方向
• 突出在大规模分布式系统、微服务架构设计及高并发处理方面的实战经验与具体指标
• 详细列举物联网协议（MQTT等）开发经验及储能/新能源相关项目背景
• 展示推动AI技术（如智能运维、Agent）落地或提升团队研发效能的具体案例
• 提前了解储能行业的基础知识、设备通信协议及能源管理业务逻辑
• 复习并深化对云原生技术、AI大模型应用（如Agent开发）及时序数据处理的理解

面试指南

• STAR法则：针对架构设计或技术难题，从背景、任务、行动（具体技术方案）、结果（性能指标提升）来回答
• 业务+技术结合：在回答物联网或AI应用问题时，先阐述对储能业务场景的理解，再引出技术解决方案
• 请分享一个你主导设计的大规模分布式系统或微服务架构案例，遇到了哪些高并发/高可用挑战？
• 在物联网开发中，你是如何处理MQTT/LoRA等协议的数据接入、解析及高并发消息处理的？
• 你如何理解AI技术在储能云平台（如智能运维、Agent）中的应用场景？有过相关落地经验吗？
• 储能业务涉及软硬件结合，你过去是如何与硬件、算法团队协同解决复杂问题的？
• 梳理过往项目中的核心架构图、性能优化数据及遇到的技术坑点，准备具体的数据支撑
• 了解传音储能业务的相关产品或行业竞品，思考AI与IoT结合的创新点