酷澎
Staff Back-end Engineer (NCA and TW Ads)
Staff Back-end Engineer (NCA and TW Ads)
发布于 4 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
Langgraph
Llm
Multi-Agent
Rag
分布式系统
大模型
值不值得投
84综合评分
综合评分 84
跨国企业核心广告团队Staff岗，技术栈极具前瞻性（GenAI/Agent），薪资顶尖，适合追求技术深度与业务影响力的资深专家。
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 240 个在招 · 其中后端开发 2 个
市场机会
选择面较广
上海 · 后端开发 · 约 240 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
负责新用户获取广告、TW站点广告和其他新型广告产品的后端开发
自主搭建并运维AI智能体平台、GenAI video creative、Ranking Algo RSI、AI Native SDLC等系统
开发GenAI video creative系统，实现全自动的视频广告创意生成流水线
开发AIOps系统，实现AI智能故障定位和诊断
开发Ranking algo RSI系统，实现自动化的算法改进假设生成、方案设计、实验和上线流水线
推进AI Native SDLC，实现从需求概念到线上发布的软件开发全流程自动化
AI 洞察
优缺点分析
优点
- 跨国企业平台，拥有全球化视野与丰富的技术资源支持
- 团队具备全栈开发运维能力，能全面锻炼系统设计与端到端交付能力
- 大模型与Agent技术迭代极快，需要持续保持高强度的学习与论文追踪
- 具备扎实后端功底且对大模型/Agent技术有浓厚兴趣，渴望在顶尖电商平台将AI技术规模化落地的资深技术专家
缺点 / 挑战
- 接触全球顶尖电商广告业务与最前沿的GenAI/Agent技术，技术栈极具前瞻性与挑战性
- 全球化规模下的复杂业务对系统稳定性、高并发处理要求极高，排障与优化压力大
角色解读
- 可向AI架构师或技术专家方向深耕，成为大模型工程化与Agent系统的行业领军人物
- 也可转向技术管理，带领全栈开发运维团队解决全球化规模下的复杂业务难题
- 负责广告团队的后端分布式系统开发，保障高并发与高可用
- 主导AI智能体平台、GenAI视频创意及AIOps等前沿AI系统的架构设计与落地
- 推动AI Native SDLC，实现软件开发全流程的自动化与智能化
- 精通Java/Python及大规模分布式系统设计，深入理解并发、限流等工程基础
- 熟练掌握大模型原理、Serving技术及Multi-Agent/RAG系统架构设计
- 熟悉LangChain等主流AI开发框架，具备将前沿论文转化为工程落地的能力
申请策略
- 了解Coupang的顾客至上使命及广告业务的核心逻辑，准备一些关于如何利用AI提升广告ROI或自动化运维的具体思考
- 突出大规模分布式系统的设计与优化经验，特别是高并发、高可用架构的实战案例
- 详细展示在LLM、Multi-Agent、RAG系统从方案设计到线上落地的端到端项目经验
- 强调对LangChain/LangGraph等框架的源码理解及AI Native SDLC的实践经验
- 深入学习大模型Serving原理、MoE架构及Self-harness等最新方向
- 动手实践基于LangGraph或Deerflow的复杂Agent编排与长周期托管型Agent开发
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点突出技术选型思考、遇到的极端Corner Case以及最终带来的业务/性能收益
- 对于架构问题，从宏观架构图讲到微观核心模块（如上下文管理、Function Calling编排）
- 请详细描述你主导过的最复杂的Multi-Agent或RAG系统的架构设计，以及遇到的核心工程挑战和解决方案
- 在大规模分布式系统中，你是如何处理异步、并发和限流的？请结合具体代码或架构说明
- 大模型的Serving原理是什么？在部署高并发大模型服务时，你做过哪些优化？
- 如何将AI Native理念融入SDLC，实现从需求到发布的全流程自动化？
- 请分享一个你将最新大模型论文转化为工程落地的具体案例
- 复习分布式系统基础（如CAP、一致性协议、限流算法）及大模型底层原理（Attention、MoE）
职位点评
薪资福利90
成长发展95
工作生活60
使命价值80
薪资福利
90较高
跨国企业Staff级别岗位，薪资处于市场顶尖水平，且具备完善的福利体系与极高的稳定性。
薪资信号偏高 (6千–10万/月)
成长发展
95较高
处于GenAI与Agent技术落地的最前沿，技术栈极具挑战性，能极大提升个人在AI工程化领域的竞争力。
技术前沿前沿/新兴技术
技术栈Java、Python、分布式系统、LLM、Multi-Agent、RAG、LangChain、LangGraph、AIOps、GenAI
业务类型profit_center
工作生活
60中等
跨国企业通常注重WLB，但Staff级别且负责核心广告与AI创新业务，工作强度与压力可能较大，具体WLB情况未明确。
工作模式未明确
办公地点市区核心地段
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顾客体验，广告与AI自动化系统能显著提升业务效率，具有较高的商业与社会价值。
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