后端开发工程师

优缺点分析

角色解读

• 技术路线：从后端工程师成长为系统架构师或技术专家，主导高并发系统设计
• AI方向：结合大模型经验，转型为AI工程化专家，负责模型推理平台建设
• 管理路线：积累项目经验后，可向技术团队管理岗位发展
• 负责高并发Python后端服务的设计、开发与优化，确保系统稳定高效
• 参与服务架构设计、数据库设计及性能调优，解决线上问题
• 与算法和产品团队协作，将大模型算法部署为在线推理服务，并开发智能体应用
• 精通Python后端开发，熟悉Django、Flask、FastAPI等Web框架及异步编程
• 扎实的数据库知识，熟练使用MySQL、PostgreSQL、Redis及缓存策略
• 掌握消息队列（Kafka/RabbitMQ）和分布式系统原理，具备Docker/Kubernetes容器化部署能力
• 有大模型相关开发经验，了解RAG、智能体等应用场景，并熟练使用AI辅助编程工具

申请策略

• 了解顺丰物流业务场景，思考后端技术如何支撑业务创新
• 在简历中突出AI辅助编程工具的使用经验，体现高效开发能力
• 突出高并发项目的系统设计和性能优化成果，用数据说明
• 强调容器化部署经验（Docker/Kubernetes）及运维自动化实践
• 列出大模型相关项目（如RAG、智能体开发），说明技术难点和方案
• 展示代码规范意识，如单元测试、代码审查等经验
• 深入学习异步编程（asyncio）和高性能Python框架（FastAPI）
• 补充Kubernetes集群运维知识，了解服务网格（Istio）等

面试指南

• STAR法则：描述场景、任务、行动、结果，重点突出技术选型和量化指标
• 对比方案：针对技术问题，给出不同方案的优缺点，体现系统思考
• 结合业务：将技术方案与顺丰的物流业务场景关联，展示业务理解
• 请描述你设计过的高并发后端系统架构，如何保证可用性和性能？
• 如何优化MySQL查询和Redis缓存策略以应对高并发？
• 讲解一次使用Docker和Kubernetes部署服务的完整流程及遇到的挑战
• 你如何将大模型部署为在线推理服务？考虑哪些因素？
• 请举例说明你解决过的一个复杂的系统故障，如何排查和修复？