酷澎
Staff Back-end Engineer (NCA and TW Ads)
Staff Back-end Engineer (NCA and TW Ads)
发布于 2 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
Aiops
Genai
Langgraph
Llm
Multi-Agent
Rag
分布式系统
大模型
值不值得投
82综合评分
综合评分 82
前沿AI技术与大规模分布式架构深度结合，技术成长空间极大，薪资处于高位，WLB情况待确认。
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
8万
比后端开发中位数高
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 280 个在招 · 其中后端开发 4 个
市场机会
选择面较广
上海 · 后端开发 · 约 260 个在招
职位详情
关于这个职位
该职位隶属于酷澎广告团队，负责新用户获取及新型广告产品的后端开发，并主导AI智能体平台、GenAI视频创意及AIOps等前沿系统的设计与落地
你需要结合扎实的后端分布式架构能力与大模型技术，推动AI Native软件开发生命周期的全流程自动化
最低要求
有扎实的技术理论基础，计算机、数学、物理、电子等专业优先
对新技术有好奇心，有非常强的学习能力
做事思维缜密，考虑周全，有独立解决问题并拿到业务结果的能力
后端技术方面：
有扎实的后端分布式服务的开发理论和实践经验
熟练掌握Java/Python，具备大规模分布式系统设计与上线经验
理解异步、并发、幂等、限流等工程基础，对代码质量与系统可维护性有较高要求
大模型技术方面：
熟悉大模型的原理和最新技术，包括模型网络结构、注意力机制、MoE等模块的理论和实践
熟悉大模型的serving原理和技术
熟悉self-harness的最新方向的实现方法，有落地经验优先
主导基于LLM/多模态模型的Multi-Agent系统架构设计与核心开发，涵盖长周期托管型Agent、沙箱执行环境分层上下文管理、持久化存储及Function Calling编排等核心工程问题
具备复杂Agent/RAG系统从方案设计到线上落地的端到端交付经验
熟悉Memory、Long Context、Planning、Tool Use等前沿方向，能快速完成论文到工程的转化落地
熟悉一种以上AI开发框架，包括LangChain/LangGraph/Deerflow/Claude Code/Hermes等主流Agent框架，具备高并发、高可用的后端架构设计能力
良好的工程架构基本功，对常见的设计模式有深入的理解，有一定的开源框架源码能力
工作职责
除传统规划业务之外，团队自主搭建并运维AI智能体平台、GenAI video creative、Ranking Algo RSI、AI Native SDLC：
GenAI video creative 系统：全自动的视频广告创意生成流水线
AIOps 系统：AI智能故障定位和诊断系统
Ranking algo RSI系统：自动化的算法改进假设生成、方案设计、实验和上线流水线
AI Native SDLC：AI native的软件开发生命周期管理，从需求概念到线上发布的软件开发全流程自动化
优先资格
有self-harness落地经验优先
计算机、数学、物理、电子等专业优先
AI 洞察
优缺点分析
优点
- 依托海量数据与业务规模，系统架构的复杂度和技术深度远超一般企业
- 团队具备全栈开发运维能力，有助于培养端到端的系统Ownership和全链路技术视野
- 岗位要求兼具传统分布式后端与大模型前沿技术，技术栈跨度大，对个人的学习能力和精力要求极高
- 广告业务对系统稳定性和响应延迟要求苛刻，在引入AI Native架构时需平衡创新与线上稳定性
- 适合具备扎实后端基本功，同时对大模型和AI Agent有浓厚兴趣，渴望在大规模分布式系统中落地前沿AI技术的专家级工程师
缺点 / 挑战
- 处于GenAI与电商广告结合的最前沿，能接触到Multi-Agent、GenAI视频生成等极具挑战和创新性的技术场景
角色解读
- 纵向可发展为首席工程师（Principal Engineer）或技术架构师，主导更大规模的技术战略
- 横向可转向AI技术专家或AI产品技术负责人，引领GenAI和AIOps在电商核心业务中的深度应用
- 负责酷澎广告团队的后端架构设计与开发，支撑新用户获取及新型广告产品的高并发业务
- 主导AI智能体平台、GenAI视频创意生成、AIOps及AI Native SDLC等前沿系统的全栈开发与运维
- 推动大模型技术在工程中的落地，包括Multi-Agent系统架构设计、RAG系统交付及自动化算法改进流水线
- 扎实的Java/Python后端开发能力，精通大规模分布式系统设计与高并发、高可用架构
- 深入理解大模型原理（如MoE、注意力机制）及Serving技术，熟悉LangChain/LangGraph等主流Agent框架
- 具备复杂Agent/RAG系统端到端交付经验，能独立完成从论文到工程落地的转化
申请策略
- 了解酷澎的广告业务模式及核心业务逻辑，思考AI技术如何赋能电商广告创意与投放效率
- 突出大规模分布式系统的设计经验，特别是高并发、高可用架构及微服务治理的实际落地案例
- 详细展示在LLM、Multi-Agent或RAG系统方面的项目经验，强调从方案设计到线上交付的端到端能力
- 体现对AI开发框架（如LangChain/LangGraph）的源码级理解或二次开发经验，以及对AIOps/自动化流水线的贡献
- 深入学习Multi-Agent系统的上下文管理、持久化存储及Function Calling编排等核心工程问题
- 关注大模型Serving优化、Long Context处理及Self-harness等前沿方向的最新论文与工程实践
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点突出在复杂系统架构中的技术选型、难点攻克及最终的业务收益
- 对于AI工程化问题，从“理论理解-架构设计-工程实现-线上调优”四个维度展开，展现端到端的交付能力
- 请分享一个你主导的大规模分布式系统设计案例，你是如何解决高并发和系统可维护性问题的？
- 在Multi-Agent系统架构设计中，你是如何处理长周期托管型Agent的上下文管理和持久化存储的？
- 请描述你如何将一篇关于大模型或RAG的论文转化为实际工程落地的经验？遇到了哪些挑战？
- 在GenAI视频创意生成或AIOps系统中，你是如何保证系统的高可用性和故障快速定位的？
- 复习分布式系统核心基础（如一致性协议、限流熔断、异步并发），并准备1-2个自己主导的复杂架构设计图
- 深入了解LangChain/LangGraph等框架的底层原理，准备一个自己亲手实现的Agent或RAG系统案例
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
Staff级别专家岗薪资水平处于市场高位，且具备较强的稳定性和福利保障。
薪资信号未披露（AI估算：6千–10万/月）
成长发展
95较高
岗位深度结合GenAI、Multi-Agent等前沿技术，提供极高的技术成长空间和端到端系统落地的锻炼机会。
技术前沿前沿/新兴技术
技术栈Java、Python、分布式系统、大模型、LLM、Multi-Agent、RAG、LangChain、LangGraph、AIOps、GenAI
业务类型profit_center
工作生活
60中等
JD未明确提及工作模式与WLB政策，具体工作节奏需进一步确认。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
致力于通过技术创新打造极致的电商购物体验，AI技术的深度应用具有较高的行业前瞻性和社会价值。
行业发展高速增长赛道
社会影响中性/一般
使命信号打造一个让顾客不禁发问：‘过去没有Coupang，我是怎么生活的？’的世界
创新程度开拓性创新（行业首创）
酷澎 的其他在招职位
相似职位推荐
Watch Jobs