资深服务端工程专家

优缺点分析

角色解读

• 在技术深度上，可以成为评测基础设施领域的专家，主导公司级评测体系的演进
• 在业务广度上，可以深入理解AI模型能力，向AI平台架构师或技术管理岗位发展
• 由于该岗位的稀缺性和重要性，未来有机会在团队内担任技术负责人，带领团队
• 负责将SWE、Terminal、MCP等多种Agent Benchmark接入统一的评测平台，进行工程化抽象和标准化，避免重复建设
• 设计和构建大规模评测运行底座，包括沙盒环境、依赖管理、网络访问、并发调度等，确保评测的稳定性和可复现性
• 作为算法团队和工程平台之间的技术桥梁，深入理解模型能力评测需求，并推动其高质量落地
• 制定评测相关的工程标准，如任务定义、指标产物、结果归档等，以支持团队间的复用和协作
• 精通Python/Go/Java等主流后端语言，具备扎实的编程功底和系统设计能力
• 深入理解分布式系统、容器化、沙盒隔离、任务调度等基础设施技术，有大规模系统实践经验
• 了解大模型和Agent的基本原理，熟悉主流Agent Benchmark的评测逻辑和Harness
• 具备优秀的跨团队沟通和协作能力，能够与算法、产品、工程等多方高效对话

申请策略

• 在面试中，除了展示技术能力，更要体现你对AI评测领域的热情和独到见解
• 可以提前了解小米在AI大模型和智能硬件方面的布局，思考该岗位如何与公司战略结合
• 突出主导或深度参与的中大型平台/系统设计案例，特别是涉及分布式、容器化、任务调度的项目
• 详细描述你在性能优化、稳定性保障方面的具体实践和量化成果（如提升效率、降低成本等）
• 如有Agent、大模型评测或相关AI平台经验，务必重点突出，并说明你的技术贡献
• 强调你的跨团队协作经验，如何推动项目落地并解决复杂问题
• 系统学习主流Agent评测框架（如SWE-bench、Terminal-Bench）的Harness和打分逻辑
• 补充或深化对Kubernetes、Docker等容器化技术以及沙箱隔离机制的理解和实践

面试指南

• 对于系统设计类问题，可以采用STAR法则，先阐述背景和目标，再说明你的设计思路和关键决策，最后总结成果和反思
• 对于技术深度问题，建议从原理出发，结合实践经验，展示你对技术本质的理解和解决问题的能力
• 对于协作类问题，可以强调你的沟通方法、需求理解能力和推动执行的策略
• 请详细描述你主导设计过的一个大型平台系统，包括架构设计、技术选型、遇到的挑战和解决方案
• 如何设计一个高并发、高稳定性的任务调度系统？请谈谈你的思路
• 谈谈你对Agent Benchmark的理解，以及如何将一个新的Benchmark工程化地接入现有平台
• 当评测结果出现问题时，你会如何定位和排查？请描述你的诊断思路
• 如何与算法团队高效协作，确保评测需求准确落地？请举例说明