微软
Senior Software Engineer
Senior Software Engineer
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
云基础设施
可扩展性
后端开发
微软Copilot
系统设计
AI平台
AI 估算 · 45k–80k
该职位要求高级AI平台开发经验，涉及前沿技术和复杂系统，在北京市场具有极强的技术壁垒和稀缺性，薪资竞争力高。
职位详情
关于这个职位
这是一个专注于AI平台基础设施的高级软件工程师职位
你将负责设计、开发和维护支撑微软Copilot等AI产品的后端平台服务，确保其高性能、安全性和可扩展性
工作核心是与跨职能团队合作，将前沿的AI研究成果转化为稳定可靠的生产级系统
最低要求
计算机科学或相关技术领域的学士学位，以及4年以上使用C、C++、C#、Java、JavaScript或Python等语言进行编码的技术工程经验
或同等经验
年以上在Azure、AWS或GCP等公共云基础设施上构建可扩展平台的经验，并广泛使用Docker、Kubernetes、nginx、RDBMS、键值存储等技术
年以上在平台层面构建和发布生产软件的经验
扎实的API、数据流、系统和服务的知识
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门的安全审查：微软云背景调查：该职位需要在入职/调动时以及此后每两年通过微软云背景调查
工作职责
设计、开发和维护为Copilot提供动力的高性能、安全的AI平台服务
与平台、基础设施、应用工程师和AI研究人员协作，构建下一代AI产品和服务
交付高质量、可维护的代码，并确保平台组件的可靠性、可扩展性和性能
克服障碍，找到完成任务的途径，快速迭代地将你的工作交付给用户
享受在快节奏、设计驱动、产品开发周期中工作
践行我们的文化和价值观
优先资格
计算机科学或相关技术领域的硕士学位，以及6年以上使用C、C++、C#、Java、JavaScript或Python等语言进行编码的技术工程经验
或计算机科学或相关技术领域的学士学位，以及8年以上使用上述语言进行编码的技术工程经验
或同等经验
年以上在Azure、AWS或GCP等公共云基础设施上构建可扩展平台的经验，并广泛使用Docker、Kubernetes、nginx、RDBMS、键值存储等技术
年以上在平台层面构建和发布生产软件的经验
在云环境中管理Kubernetes上高规模、多区域生产环境的经验
能够识别、分析和解决复杂的技术问题，确保最佳性能、可扩展性和用户体验
致力于编写干净、可维护和文档齐全的代码，并注重可靠性、安全性和易用性
具备良好的人际交往能力，能够与产品经理和其他工程师等跨职能团队紧密合作
能够向技术和非技术利益相关者清晰地传达复杂的技术概念
能够在快节奏环境中工作，管理多项优先事项，并适应不断变化的需求和截止日期
热衷于学习新技术，紧跟行业趋势、最佳实践以及Web开发和AI领域的新兴技术
具备协作能力，能为积极、包容的工作环境做出贡献，促进团队内部的知识共享和成长
AI 洞察
优缺点分析
优点
- 接触并参与构建全球领先的AI产品（如Copilot）的核心基础设施，技术视野和项目经验极具含金量
- 在微软这样的科技巨头工作，能获得顶级的研发资源、系统的技术培训和广阔的全球职业网络
- 专注于AI与云原生技术的交叉领域，这是当前及未来十年最具增长潜力和技术壁垒的方向之一，职业前景广阔
- 作为平台工程师，需要与多个团队深度协作，沟通成本和协调复杂度高，对软技能要求同样严格
- 适合拥有扎实后端和云平台开发经验，对AI技术充满热情，追求技术深度和影响力，并能在高压、协作环境中创造价值的资深工程师
缺点 / 挑战
- 工作涉及支撑亿级用户的产品，对系统性能、稳定性和安全性要求极高，技术复杂度和责任压力都很大
- 需要紧跟AI技术和云原生技术的快速迭代，持续学习压力大，且需在快节奏的产品开发周期中保持高质量输出
角色解读
- 技术专家路径：深耕AI基础设施领域，成为架构师或首席工程师，主导更复杂、更具影响力的平台级技术项目
- 技术管理路径：在积累深厚技术功底后，转向技术管理岗位，如工程经理，负责团队建设、项目规划和交付
- 行业影响力路径：凭借在微软顶级AI项目中的经验，成为AI平台或云原生技术领域的行业意见领袖或技术布道者
- 负责AI平台后端服务的全生命周期开发，包括设计、编码、测试和维护，确保服务高性能、安全且稳定
- 与AI研究、产品等多个团队协作，将最新的AI模型和算法集成到可扩展的生产平台中，支撑Copilot等核心产品
- 解决平台层面的复杂技术挑战，优化系统架构，保障大规模、多区域部署下的服务可靠性和用户体验
- 精通至少一种主流后端语言（如Python、C++、C#、Java）和云原生技术栈（Docker、Kubernetes），具备构建高可用分布式系统的实战经验
- 深刻理解AI平台或大型互联网后台的架构原理，掌握API设计、数据流处理、数据库优化以及系统性能调优的核心技能
- 具备出色的跨团队协作和沟通能力，能够与不同背景的同事高效合作，并清晰阐述技术方案和项目进展
申请策略
- 深入了解微软Copilot及相关AI产品的技术博客和公开资料，在面试中展现出你对公司业务和技术方向的热情与思考
- 仔细阅读职位描述中关于公司文化和价值观的部分，并在面试沟通中体现你与之的契合度，如成长型思维、赋能他人等
- 重点展示在大型云平台（AWS/Azure/GCP）上，使用Kubernetes、Docker等技术构建和运维高可用、可扩展系统的完整项目经验
- 详细描述参与过的与AI模型服务化、大规模数据处理或高性能后端系统相关的项目，突出你在架构设计、性能优化和问题解决中的具体贡献
- 强调任何跨团队协作（尤其是与AI/研究团队）的成功经历，以及你在其中发挥的技术桥梁或项目管理作用
- 深入复习分布式系统、容器编排（Kubernetes）和云服务的设计模式与最佳实践，准备应对深度的系统设计面试题
- 了解当前主流AI模型的服务化部署和推理优化技术（如模型压缩、批处理、GPU推理优化），即使不直接做算法，理解其与平台的交互也至关重要
- 准备1-2个能体现你技术深度、解决复杂问题能力和协作精神的详细项目案例，并能够清晰阐述技术选型、权衡和最终效果
面试指南
- 对于技术问题，采用‘情境-任务-行动-结果’（STAR）法则来组织答案，清晰交代背景、你的角色、具体行动和可量化的成果
- 在回答系统设计或问题解决类问题时，先阐述你的核心思路和原则（如CAP定理、可观测性优先），再展开具体方案，展现系统性思维
- 对于行为类问题，结合实例说明你如何运用技术能力、沟通技巧和成长型心态来推动事情达成，并反思从中获得的经验
- 请描述一个你设计或参与过的、需要高可用和高可扩展的后端系统架构
- 你遇到了哪些挑战，是如何解决的？
- 当AI研究团队提供了一个新的、计算密集型的模型，你如何设计平台服务来高效、稳定地部署和 serving 这个模型？
- 请分享一次你通过深入排查，解决了一个复杂的线上性能或稳定性问题的经历
- 你的分析思路和工具是什么？
职位点评
微软 的其他在招职位
相似职位推荐
Watch Jobs