酷澎
Staff Back-end Engineer [L6-1] (GenAI Creative)
Staff Back-end Engineer [L6-1] (GenAI Creative)
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Genai
Large Language Models (Llm)
Multi-Agent Systems
Rag
值不值得投
81综合评分
综合评分 81
顶尖外企GenAI核心岗，技术栈极新且具挑战性，发展空间巨大，WLB需进一步确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6.3万
比后端开发中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 260 个在招 · 其中后端开发 5 个
市场机会
选择面较广
上海 · 后端开发 · 约 320 个在招
职位详情
关于这个职位
作为酷澎NCA & TW Ads广告团队的高级后端工程师，你将负责构建全球化规模下的复杂系统，包括GenAI视频创意生成流水线、AI智能故障定位系统及自动化算法改进平台
你需要主导基于LLM和多模态的Multi-Agent系统架构设计与核心开发，结合扎实的分布式后端技术（Java/Python）与大模型前沿技术，推动AI Native SDLC落地，解决高并发、高可用场景下的工程难题
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GenAI video creative系统的全自动视频广告创意生成流水线开发与优化
维护和优化AIOps系统，实现AI智能故障定位和诊断
构建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
主导基于LLM/多模态模型的Multi-Agent系统架构设计与核心开发，解决长周期托管、沙箱执行、上下文管理及Function Calling编排等核心工程问题
负责复杂Agent/RAG系统的端到端交付，包括Memory、Long Context、Planning、Tool Use等前沿方向的工程落地
利用LangChain/LangGraph等主流Agent框架，设计高并发、高可用的后端架构
AI 洞察
优缺点分析
优点
- 接触全球顶级电商平台的超大规模数据与流量场景，技术栈极具前瞻性（GenAI+Agent），团队氛围创新且受国际认可
- 适合具备深厚后端功底且对AI大模型应用有强烈兴趣、追求技术突破的高级工程师
缺点 / 挑战
- 需同时兼顾传统后端高并发稳定性与AI前沿技术的快速迭代，对系统架构能力和工程落地能力要求极高，学习压力大
角色解读
- 可向AI基础设施架构师、首席技术专家方向发展，或在GenAI应用落地领域成为行业领军人物
- 负责构建和维护基于GenAI的广告创意生成流水线及AI智能运维系统，实现广告投放算法的自动化迭代
- 精通Java/Python后端分布式系统设计，深入理解LLM原理、Multi-Agent架构、RAG技术及LangChain等主流框架
申请策略
- 准备详细的项目案例，说明如何解决Agent系统中的上下文管理、工具调用编排及幻觉控制等具体工程难题
- 突出大规模分布式系统的设计与优化经验，重点展示LLM/Multi-Agent/RAG项目的端到端落地案例及性能指标
- 深入研究LangChain/LangGraph等Agent框架源码，强化对LLM Serving、MoE架构及长上下文处理的理解
面试指南
- 采用STAR法则（情境-任务-行动-结果），重点阐述技术选型的权衡过程、遇到的核心挑战（如延迟、准确性、成本）、解决方案的创新性及最终的业务/技术指标提升
- 请描述你设计过的最复杂的Multi-Agent系统架构，如何处理状态管理和上下文一致性？
- 在高并发场景下，如何保证LLM推理服务的低延迟和高可用性？
- 针对RAG系统，你是如何优化检索精度和处理长文档上下文的？
- 请分享一个你通过AI Native SDLC提升研发效能的具体案例
- 复习分布式系统核心概念（CAP、一致性协议），梳理LLM相关前沿论文（如Self-Harness, MoE, Long Context），准备1-2个深度技术项目复盘
职位点评
薪资福利85
成长发展95
工作生活60
使命价值75
薪资福利
85较高
作为已上市的跨国巨头，提供具有竞争力的薪酬体系和完善的福利保障，符合高级专家级人才的市场价值。
薪资信号未披露（AI估算：4.5千–8.0万/月）
成长发展
95较高
职位聚焦GenAI、Multi-Agent、RAG等最前沿技术领域，且团队自主搭建AI平台，提供极高的技术成长空间和行业视野。
技术前沿前沿/新兴技术
技术栈GenAI、LLM、Multi-Agent、RAG、LangChain、LangGraph、MoE、Self-Harness
业务类型profit_center
工作生活
60中等
JD未明确提及弹性工作或远程政策，通常此类高强度技术创新岗位可能面临一定的加班压力，但公司整体文化较为国际化。
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
75中等
通过技术创新提升全球用户的购物体验，使命驱动性强，且在AI应用领域具有显著的行业影响力和社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
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