传音
高级Golang开发工程师(J19461)
高级Golang开发工程师(J19461)
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Go
Llm
Rag
云原生
分布式系统
多模态Ai
性能优化
系统架构
高并发
值不值得投
67综合评分
综合评分 67
AI基础设施核心岗，技术栈前沿、挑战大、成长快，但WLB信息不明，需为高强度技术攻关做好准备。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
比后端开发中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 400 个在招 · 其中后端开发 5 个
市场机会
选择面较广
深圳 · 后端开发 · 约 100 个在招
职位详情
关于这个职位
这是一个负责构建AI核心基础架构的高级后端工程师岗位
你将主导AI应用与AI硬件（如耳机、手机、IoT）的端云一体化设计，构建支撑智能体、多模态交互等前沿AI能力的低延迟、高可用平台与系统，并推动相关技术从0到1的落地
最低要求
本科及以上学历，计算机相关专业，3年以上后台研发经验
精通 Go / Python / C++ 至少一门语言，具备扎实的数据结构与系统设计能力
深入理解分布式系统（微服务 / RPC / MQ / 缓存 / 数据一致性 / 高可用架构）
具备高并发、高吞吐系统设计经验，熟悉延迟优化与性能调优方法论
熟悉 LLM / RAG / Agent / Workflow / Function Calling 等技术，有实际落地经验
熟悉大模型推理优化（如 KV Cache / 动态Batch / 推理加速 / GPU利用率优化）优先
熟悉多模态链路（ASR / TTS / 翻译 / 实时语音 / 音视频流处理）或实时系统优先
持续跟踪 AI前沿（Agent架构 / GraphRAG / 多Agent系统 / AI OS），具备技术洞察力
具备优秀的工程素养、系统思维与自驱力，能够推动复杂系统从0到1落地
工作职责
负责 AI应用与AI硬件（耳机/手机/IoT）端云一体化架构设计与落地，构建低延迟、高可用的智能服务体系
设计并实现基于 LLM 的智能体系统（Agent / Skills / Memory / Workflow），推动复杂任务自动化与多Agent协同
构建多模态AI能力链路（ASR / TTS / MT / LLM / Vision），支撑语音双工、实时翻译、AI助理等核心场景
构建 AI能力平台（Agent平台 / API / SDK / Plugin生态），支持开发者接入与生态扩展
设计端侧 + 云侧协同推理体系（Edge AI），优化延迟、功耗与离线体验
推动系统工程化与平台化（可观测性 / SLA / 自动化运维 / 成本监控），提升系统稳定性与研效
优先资格
熟悉大模型推理优化（如 KV Cache / 动态Batch / 推理加速 / GPU利用率优化）优先
熟悉多模态链路（ASR / TTS / 翻译 / 实时语音 / 音视频流处理）或实时系统优先
持续跟踪 AI前沿（Agent架构 / GraphRAG / 多Agent系统 / AI OS），具备技术洞察力
AI 洞察
优缺点分析
优点
- 技术前沿性强：直接参与LLM、Agent、多模态等当前最热门的AI技术落地，能快速积累稀缺技术经验
- 业务结合紧密：工作成果将直接应用于智能硬件产品，能看到技术创造的实际用户价值
- 平台化视角：参与构建开发者平台和能力生态，有助于提升系统设计和技术影响的全局视野
- 技术栈复杂：需同时处理分布式系统、AI模型、多模态数据流等多领域技术，学习和整合成本高
- 性能要求苛刻：AI应用对延迟和吞吐量要求极高，需要持续进行极致的性能优化和调优
- 追求技术深度、喜欢将前沿技术转化为可靠系统的候选人尤为匹配
缺点 / 挑战
- 工程挑战丰富：涉及端云协同、低延迟、高可用等复杂的系统工程问题，技术深度和广度兼备
- 从0到1的压力：推动复杂系统和平台的建设与落地，需要很强的自驱力、项目推动力和解决未知问题的能力
- 适合具备扎实分布式系统功底、对AI应用层技术有浓厚兴趣且渴望解决复杂工程挑战的资深后端工程师
角色解读
- 技术专家路线：在AI基础设施或特定AI技术领域（如Agent系统、边缘计算）持续深耕，成为领域内公认的专家
- 架构师路线：负责更宏观的系统设计和跨团队技术规划，主导公司AI技术平台的整体演进
- 技术管理路线：带领小团队，负责具体AI产品或平台模块的研发与交付，逐步转向技术管理岗
- 设计和构建支撑AI功能的后端核心架构，确保系统在低延迟、高可用下稳定运行
- 实现基于大模型的智能体系统，解决复杂的任务自动化和多智能体协同问题
- 打通语音、翻译、视觉等多模态AI能力链路，开发AI助理、实时翻译等核心产品功能
- 构建AI能力开放平台（API/SDK），支撑生态接入，并优化端云协同的AI推理体验
- 精通Go语言及Python/C++，具备扎实的计算机基础和系统设计能力
- 深入理解分布式系统原理，有构建高并发、高吞吐量系统的实战经验
- 熟悉LLM、Agent、RAG等AI应用层技术，并了解模型推理优化的基本方法
- 具备优秀的工程落地能力和技术前瞻性，能推动复杂项目从0到1实现
申请策略
- 研究传音在AI和智能硬件领域的公开技术博客、专利或产品，了解其技术方向和业务重点
- 准备一个关于你如何设计或优化一个复杂分布式系统的深度案例，最好能与AI场景结合
- 面试时展现你对技术趋势的洞察力，可以讨论对多Agent协同、端侧AI等方向的看法
- 重点突出使用Go语言开发高并发、分布式系统的项目经验，用具体数据说明性能指标（QPS、延迟）
- 详细描述参与或主导的AI相关（如LLM、Agent、RAG）项目，说明你在其中的角色、技术选型和具体贡献
- 展示解决复杂技术难题的案例，例如优化系统延迟、设计高可用架构、推动技术落地等经历
- 在技能清单中明确列出对LLM、分布式中间件（如Kafka、Redis）、云原生技术栈的掌握程度
- 深入学习至少一个主流的Agent框架（如LangChain、AutoGen）和LLM应用开发模式（如RAG、Function Calling）
面试指南
- 对于系统设计问题，遵循“背景-目标-架构设计-关键技术点-挑战与优化-结果”的逻辑结构，突出你的思考过程和权衡
- 对于AI技术问题，先阐述基本原理，再结合实际工程场景（如延迟、成本、准确性）讨论实现细节和优化方案，避免空谈理论
- 对于项目落地问题，使用STAR原则，重点说明你的角色、决策过程、遇到的困难以及推动事情进展的方法
- 请介绍一个你设计的高并发、高可用分布式系统，其中遇到了哪些核心挑战以及如何解决的？
- 你对LLM Agent系统的架构设计有什么理解？如果让你设计一个多Agent协同的系统，你会考虑哪些关键模块？
- 如何设计一个低延迟的实时语音交互链路（ASR+LLM+TTS）？请描述关键技术点和优化思路
- 在构建AI能力平台时，如何平衡平台的通用性、易用性与性能、稳定性？请结合你的经验谈谈
- 请描述一个你主导的、从0到1推动落地的复杂技术项目，你是如何规划、执行并最终交付的？
职位点评
薪资福利60
成长发展90
工作生活40
使命价值75
薪资福利
60中等
该职位未提供明确的薪资福利信息，对补偿性动机的满足程度主要依赖于市场判断，存在一定不确定性。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
该职位处于AI技术落地与系统工程的交叉前沿，技术深度与广度要求高，能提供极强的技能成长与技术视野拓展机会。
技术前沿前沿/新兴技术
技术栈Go、LLM、Agent、RAG、Function Calling、ASR、TTS、Edge AI、KV Cache
业务类型profit_center
工作生活
40较低
JD未明确提及办公模式与工作时间制度，且岗位性质（系统落地、性能优化）可能涉及高强度工作，生活化动机满足程度较低。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
将AI能力与智能硬件结合，致力于提升设备智能化体验，具有一定的行业创新性和产品使命感，但社会价值描述相对间接。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs