Senior Software Engineering Lead – COMPASS Platform & AI Solutions, AVP

优缺点分析

角色解读

• 纵向可晋升为VP（Vice President）或SVP，负责更大规模的全球技术平台或业务线
• 横向可转型为首席架构师或AI工程总监，专注于金融科技的底层架构演进与AI战略落地
• 领导COMPASS平台的企业级应用设计、开发与现代化改造，涵盖交易处理、工作流编排和系统集成
• 推动生成式AI技术在软件开发、测试和运营中的落地，构建AI驱动的解决方案以提升工程效率
• 带领全球分布式团队，制定软件工程最佳实践，把控代码质量、DevOps和CI/CD流程
• 扎实的Java后端开发能力，精通Spring Boot、微服务架构及REST API设计
• 熟悉AWS/Azure云原生架构，具备丰富的系统集成、分布式系统及CI/CD自动化经验
• 掌握生成式AI技术（如LLM、RAG、Azure OpenAI），能将AI工具应用于实际工程场景
• 具备优秀的跨文化沟通与团队领导力，能有效管理全球分布式研发团队

申请策略

• 了解道富公司的COMPASS平台背景及股东服务（Shareholder Services）业务逻辑，展现对业务的理解
• 在面试中展现出既懂技术细节又具备全局业务视角的“技术领导者”特质
• 突出在企业级核心系统（如交易、金融、工作流平台）的架构设计与微服务改造经验
• 详细列举使用生成式AI（如LLM、RAG、Copilot）提升研发效率或构建业务解决方案的具体案例与数据
• 强调带领分布式团队、推动DevOps/CI/CD落地以及跨部门/跨国协作的管理经验
• 深入学习Azure OpenAI、LangChain等AI编排框架，了解金融行业的AI治理与合规要求
• 复习云原生架构设计模式及高可用系统设计方案，准备应对复杂的系统集成场景

面试指南

• STAR法则：针对行为面试题，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答，突出个人贡献与业务价值
• 架构设计题：采用“需求分析 -> 核心组件设计 -> 数据流/集成方案 -> 高可用/安全考量 -> 演进路线”的逻辑展开
• 请分享一个你主导的从遗留系统向云原生架构迁移的成功案例，遇到了哪些挑战？
• 你如何将生成式AI（如LLM或RAG）应用到实际的软件开发或运营工作流中？取得了什么成效？
• 在管理全球分布式团队时，你如何确保代码质量、DevOps最佳实践的落地以及团队的高效协作？
• 描述一次你与业务方或高管利益相关者在技术方案上产生分歧的经历，你是如何解决的？
• 准备2-3个深度参与的核心项目案例，重点梳理其中的技术难点、AI应用场景及团队管理细节
• 了解State Street近期的数字化转型战略及COMPASS平台的公开信息，准备一些有深度的问题反问面试官