Agora logo
声网
实时AI应用开发工程师

实时AI应用开发工程师

发布于 2 小时前

普通员工/个人贡献者

AI 估算 · 3.0–5.5万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Asr
Llm
Tts
可观测性
实时音视频

值不值得投

75综合评分

综合评分 75

前沿AI工程化岗位,技术成长强,办公模式与WLB信息不明确

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

4.3万

比AI算法中位数低

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

27 个在招

市场机会

选择面较广

上海 · AI算法 · 约 160 个在招

职位详情

关于这个职位

该职位面向服务端实时AI应用开发,重点把 ASR、LLM、TTS 等模型服务与实时音视频流处理结合,构建低延迟、高可用的识别、对话、翻译和分析类应用

你将参与从需求分析、技术选型到组件开发、平台化演进和问题闭环的完整落地过程

最低要求

本科以上学历,计算机软件或相关专业,3年以上的软件开发经验

熟练掌握Golang/Python ,对C++有一定了解,至少一种语言有深入了解及丰富的开发经验
具备出色的数据结构和算法基础,良好的代码风格及质量
熟悉 LLM/ASR/TTS 等 AI 领域关键技术及工程化模式,有相关的应用落地/优化经验
深入了解 Linux/Unix,熟练掌握常用的 Shell 操作
熟悉云原生相关技术,熟练掌握 K8s 和 Docker 相关使用,有可观测性系统建设经验
具备良好的团队协作意识,自我驱动,热爱学习,能够承受一定压力

工作职责

设计及开发服务端实时 AI 应用的可复用关键组件及服务

与业务团队紧密合作,参与需求分析、技术方案设计及问题解决,协助业务场景高效、稳定地集成落地,并助力基础设施的平台化演进
负责关键问题的定位和闭环,确保问题得到及时解决

优先资格

有实时音视频处理或算法工程化相关开发经验者优先

有开源社区贡献经验者优先

AI 洞察

优缺点分析

优点

  • 岗位处在实时音视频与AI结合的应用场景,能积累 ASR、LLM、TTS 与低延迟流处理融合的实战经验
  • 职责覆盖从组件开发到业务落地和平台化演进,技术闭环完整,有利于提升系统设计和工程落地能力
  • 有开源社区贡献和实时音视频处理经验加分,适合希望强化专业影响力的工程师
  • 实时场景对延迟、稳定性和可用性要求高,问题定位和性能优化难度较大
  • 需要同时理解AI模型服务、音视频流处理和云原生基础设施,技术跨度较宽
  • 适合有三年以上服务端开发经验、希望深入AI工程化和实时音视频应用方向的工程师,尤其适合熟悉云原生并愿意处理复杂线上系统问题的人

缺点 / 挑战

  • 技术栈包含 Golang/Python、K8s、Docker、可观测性和AI工程化,技能迁移价值较高
  • JD明确提到能够承受一定压力,业务场景创新需求较多时可能面临较快迭代节奏

角色解读

  • 可向实时AI应用架构师方向发展,负责更复杂的音视频+AI系统架构、低延迟链路优化和多场景平台化建设
  • 可向AI工程化负责人或技术专家方向发展,深耕模型服务编排、推理优化、可观测性和大规模服务治理
  • 后续也可转向技术管理,带领团队负责实时AI应用方向的需求拆解、方案评审和交付质量
  • 负责服务端实时AI应用组件和服务开发,把 ASR、LLM、TTS 等能力接入实时音视频链路,支撑低延迟识别、对话、翻译和分析场景
  • 与业务团队协作完成需求分析、技术方案设计和问题排查,推动AI能力在具体业务场景中稳定落地
  • 参与基础设施平台化演进,沉淀可复用服务、通用组件和可观测性能力,提升后续接入效率与系统稳定性
  • 对关键问题进行定位、分析和闭环,保障线上服务在高并发、实时场景下的可用性与扩展性
  • 需要扎实的 Golang 或 Python 服务端开发能力,并对 C++ 有一定理解,能够处理复杂系统中的性能与稳定性问题
  • 需要掌握数据结构、算法基础和良好代码规范,能够设计高质量、可维护的服务端组件
  • 需要理解 LLM、ASR、TTS 等AI能力的工程化模式,有模型服务接入、优化或应用落地经验
  • 需要熟悉 Linux/Unix、Shell、K8s、Docker 和可观测性系统建设,具备云原生环境下的部署、排障和运维协同能力

申请策略

  • 申请前了解声网的实时音视频、对话式AI和相关开发者产品,准备将自身经验与业务场景关联的说明
  • 面试中尽量用具体项目说明如何平衡低延迟、高可用和可扩展性,而不是只罗列技术栈
  • 突出使用 Golang 或 Python 开发高并发、低延迟服务端服务的经历,最好说明系统规模、QPS、延迟优化或稳定性指标
  • 重点呈现 LLM、ASR、TTS 等模型服务接入与工程化经验,包括服务编排、性能优化、效果评估和线上问题处理
  • 强调 K8s、Docker、Linux/Unix、Shell 和可观测性系统建设经验,体现独立部署、排障和治理能力
  • 如有实时音视频处理、算法工程化或开源社区贡献经历,应单独列出项目链接、贡献内容和实际影响
  • 可补充实时音视频链路基础知识,如音频流处理、低延迟传输、ASR/TTS 与对话系统集成方式
  • 可加强云原生与可观测性能力,熟悉 K8s 排障、链路追踪、日志指标体系和容量评估方法

面试指南

  • 系统设计类问题按“场景约束—核心链路—关键组件—性能与稳定性—监控与降级”展开,重点说明低延迟和高可用取舍
  • 项目经历类问题用 STAR 框架,明确背景、职责、技术方案、量化结果和复盘改进
  • 排障类问题按“现象确认—指标定位—日志链路追踪—根因验证—修复与预防”回答,体现闭环意识
  • 你如何设计一个低延迟的 ASR/LLM/TTS 实时对话服务链路?
  • 在 Golang 或 Python 服务端开发中,你如何处理高并发、超时、重试和降级?
  • 你是否有 LLM 或语音模型服务落地经验?如何评估和优化效果与性能?
  • 如何使用 K8s、Docker 和可观测性工具定位线上服务的延迟抖动或异常问题?
  • 面对业务需求快速变化,你如何设计可复用组件并推动平台化演进?

职位点评

薪资福利78
成长发展88
工作生活52
使命价值76

薪资福利

78中等

JD未披露薪资和福利信息,但从岗位要求看技术门槛较高,涉及AI工程化、实时音视频和云原生能力,薪酬吸引力可能具备一定竞争力。稳定性与福利信息未提及,无法进一步判断。

薪资信号未披露(AI估算:3.0千–5.5万/月)

成长发展

88较高

岗位涉及 LLM、ASR、TTS、实时音视频流处理、K8s、Docker和可观测性建设,技术内容较新且工程复杂度高。JD还提到参与或主导全流程、助力基础设施平台化演进,对技术成长和架构能力提升较有利。

技术前沿前沿/新兴技术
技术栈AI、ASR、LLM、TTS、实时音视频流处理、Golang、Python、C++、Linux/Unix、Shell、K8s、Docker、可观测性
业务类型ambiguous

工作生活

52较低

JD仅明确地点为上海,未说明远程、混合办公、弹性工时或双休等信息。原文提到能够承受一定压力,说明对压力承受能力有要求,但未明确工作强度或加班安排。

工作模式未明确
办公地点未明确
加班情况JD含高强度暗示词

使命价值

76中等

岗位服务于实时音视频识别、对话、翻译、分析等AI应用,具备较强的技术应用价值和场景创新意义。JD未直接描述社会使命或行业价值导向,意义感主要来自技术落地和业务创新本身。

行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs