微软
Senior Software Engineer - M365 Copilot
Senior Software Engineer - M365 Copilot
发布于 5 个月前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
软件工程
分布式系统
NoSQL
AI 估算 · 45k–80k
该职位要求高级全栈与基础设施技能，涉及前沿AI Agent平台构建，技术门槛高，市场竞争力强，薪资处于行业领先水平。
职位详情
关于这个职位
这是一个面向AI Agent工作负载的高级全栈软件工程师职位，主要负责设计和构建一个可扩展、可靠的沙箱平台
你将负责从分布式后端服务、Kubernetes平台架构到面向开发者的Web体验和UX的端到端工作，并致力于提升系统的生产级可靠性、安全性、可观测性和成本效益
最低要求
Required Qualifications:
计算机科学或相关技术领域的学士学位，以及4年以上技术工程经验，编程语言包括但不限于C、C++、C#、Java、JavaScript或Python
或具备同等经验
扎实的分布式系统设计经验（容错、可扩展性、一致性权衡、性能和可操作性）
在生产环境中使用Kubernetes的实践经验（集群架构、网络、存储、安全、扩展）
扎实的数据库和数据系统专业知识（例如PostgreSQL/MySQL、NoSQL、缓存、消息/流处理），并具备经过验证的性能和可靠性调优经验
精通至少一种语言：Python、C++、Rust或Java（生产级编码）
至少使用过一个主要云平台的经验：Azure和/或AWS（计算、网络、IAM、托管Kubernetes、存储、监控）
扎实的工程实践：测试、CI/CD、代码质量、设计文档和运维所有权（待命/事件响应）
Other Requirements:
能够满足微软、客户和/或政府的安全审查要求
这些要求包括但不限于以下专项安全审查：微软云背景调查：该职位在入职/调动时以及此后每两年需要通过微软云背景调查
工作职责
Responsibilities:
为AI Agent执行构建、运营一个可扩展且可靠的沙箱基础设施，包括隔离、调度、生命周期管理和资源治理
设计和实现分布式后端服务/API，以编排高吞吐量、低延迟的沙箱会话和系统集成
构建和优化基于Kubernetes的平台能力（多租户、自动扩展、网络、存储、准入控制、策略执行）
拥有并演进数据层（关系型/NoSQL/缓存/队列），包括模式设计、索引、性能调优和可靠性策略（备份、复制、故障转移）
开发全栈功能：实现安全、高性能的后端端点，并为平台工作流程（例如会话管理、策略配置、调试、监控视图）构建现代化的Web UI
推动卓越的用户体验：与设计师和产品经理合作，将用户需求转化为清晰的交互流程，基于反馈和使用遥测进行迭代，并维护一致的UI模式/设计系统
通过SLO驱动的工程、容量规划、事件响应以及持续加强可靠性和安全性来提高系统健壮性
实现端到端的可观测性（指标、日志、追踪），定义仪表板/警报，并通过自动化和自助服务工具减少运维负担
识别瓶颈，并领导跨计算、存储和网络的性能/成本优化
通过代码审查、自动化测试、CI/CD、文档和定义明确的操作手册来保持高工程标准
优先资格
Preferred Qualifications:
计算机科学或相关技术领域的硕士学位，以及6年以上技术工程经验，编程语言包括但不限于C、C++、C#、Java、JavaScript或Python
或计算机科学或相关技术领域的学士学位，以及8年以上技术工程经验，编程语言包括但不限于C、C++、C#、Java、JavaScript或Python
或具备同等经验
AI 洞察
优缺点分析
优点
- 技术前沿：直接参与微软M365 Copilot和AI Agent的核心平台建设，接触最前沿的AI工程化和云原生技术栈
- 技能复合：职位要求全栈和基础设施深度结合，能系统性提升分布式系统、Kubernetes、云服务和软件工程的全方位能力
- 职业品牌：微软的工作经历是强大的职业背书，能显著提升个人在技术领域的认可度和长期竞争力
- 技术复杂度高：需要同时驾驭分布式系统、Kubernetes、全栈开发和AI工作负载的复杂性，对学习能力和技术深度要求极高
- 竞争激烈：此类顶级技术岗位的候选人通常背景出色，面试和技术考核的竞争会非常激烈
缺点 / 挑战
- 平台优势：在微软的全球技术体系和庞大用户基数下工作，能获得无与伦比的工程挑战、资源支持和行业视野
- 责任与压力大：负责AI Agent的关键执行平台，对系统的可靠性、安全性和性能负有直接责任，工作压力和运维要求高
- 适合拥有扎实计算机基础、热爱挑战复杂系统问题、并希望在AI与云原生交叉领域构建核心基础设施的高级软件工程师
角色解读
- 技术路径：可以深入成为云原生与AI基础设施领域的专家，或向架构师、技术负责人方向发展，主导更复杂的系统设计
- 业务路径：随着对AI Agent平台和M365 Copilot生态的深入理解，有机会向AI产品技术管理或战略规划等角色拓展
- 行业影响：在微软这样的巨头企业参与核心AI平台建设，能积累顶级项目经验，为未来在AI或云计算领域的职业发展奠定坚实基础
- 你将负责为AI Agent设计和构建一个核心的沙箱执行平台，这包括从底层基础设施（如Kubernetes集群、资源调度）到上层应用接口和用户界面的全栈开发
- 你的工作重点是确保平台的可靠性、安全性和高性能，需要处理分布式系统、数据存储、网络和用户体验等多个技术层面
- 你需要与产品和设计团队紧密协作，将复杂的平台能力转化为开发者易于使用的工具和工作流程
- 扎实的分布式系统设计与调优能力，深刻理解容错、扩展性和一致性等核心概念
- 丰富的Kubernetes生产环境实践经验，能够驾驭集群架构、网络策略、存储方案和安全配置
- 精通至少一种后端开发语言（如Python、C++、Java），并具备全栈开发能力，能构建高性能后端服务和现代Web前端
- 熟悉主流云服务（Azure/AWS）和多种数据库技术（关系型、NoSQL、缓存），并能进行性能与可靠性优化
申请策略
- 深入了解微软M365 Copilot和AI Agent的公开信息与技术愿景，在面试中展现出你对业务背景和技术挑战的深刻理解
- 准备1-2个能体现你技术领导力、复杂问题解决能力和跨团队协作能力的完整项目故事，并按照STAR法则清晰表述
- 重点突出你在分布式系统或云平台（尤其是Kubernetes）上的实际项目经验，用具体指标（如处理的QPS、降低的延迟、提升的可用性）量化成果
- 详细描述你负责过的全栈项目，特别是那些涉及复杂后端服务和现代前端框架，并强调你在性能、安全或用户体验方面的贡献
- 展示你在生产环境中处理过数据库性能调优、系统可靠性工程（如SLO制定、容灾演练）或成本优化的具体案例
- 如果有AI相关项目、大规模系统运维或与产品/设计团队紧密协作的经验，务必清晰阐述你在其中的角色和产生的影响
- 如果对Kubernetes的高级特性（如Operator开发、网络策略、安全上下文）不够熟悉，建议通过实践项目或认证进行强化
- 深入理解一种云平台（Azure优先）的托管Kubernetes服务、监控套件、安全服务和成本管理工具
面试指南
- 对于系统设计题，建议采用分层阐述的方法：先明确需求和约束，然后从全局架构（负载均衡、服务发现）讲到核心组件（计算隔离、资源调度、数据流），最后讨论非功能需求（安全、监控、容灾）
- 回答行为或项目问题时，使用STAR（情境、任务、行动、结果）结构，并重点强调你的个人贡献、技术决策背后的思考以及可量化的成果
- 在讨论技术方案时，不仅要给出解决方案，还要分析不同方案的权衡（如一致性vs可用性、开发效率vs运行性能），这能体现你的工程判断力
- 请设计一个高可用、可扩展的沙箱服务来执行不可信的AI Agent代码，你会考虑哪些架构组件和关键技术决策？
- 描述一次你处理过的Kubernetes生产环境故障，你是如何排查、解决并后续避免类似问题的？
- 如果平台的API延迟SLO是99.9%的请求在100ms内，但监控发现尾部延迟很高，你会如何系统地定位和优化？
- 请分享一个你主导的性能优化或成本节约项目，你用了哪些方法，最终取得了什么量化结果？
- 你如何与产品经理和设计师协作，将一个复杂的平台功能转化为用户友好且高效的工作流程？
职位点评
Watch Jobs