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
混合式弹性办公
本科
软件工程
全栈开发
开源项目
系统设计
AI系统
Javascript
LLM
AI 估算 · 45k–80k
高级AI软件工程师岗位，技术门槛高，涉及前沿LLM应用开发，市场人才稀缺，薪资竞争力强。
职位详情
关于这个职位
这是一个微软的高级软件工程师职位，专注于构建下一代智能消费设备和体验
你将作为全栈工程师，参与融合硬件、连接和AI技术的系统开发，致力于推动低功耗设备的能力边界
核心工作涉及与团队协作，将AI能力（特别是LLM应用）集成到产品中，并负责从需求分析到系统监控的全流程技术实现
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
工作职责
与相关利益相关者协作，确定场景的用户需求
推动识别依赖关系，并为产品、应用程序、服务或平台制定设计文档
创建、实施、优化、调试、重构和重用代码，以建立和提升性能、可维护性、有效性和投资回报率（ROI）
利用产品功能的专业知识，并与适当的利益相关者（例如，项目经理）合作，推动工作组项目计划、发布计划和工作项
担任指定负责人（DRI），通过制定和遵循操作手册来指导其他工程师，参与值班以监控系统/产品/服务的降级、停机或中断，向利益相关者发出状态警报，并在适当时启动恢复系统/产品/服务的操作（针对简单和复杂问题）
主动寻求新知识并适应新趋势、技术解决方案和模式，以提高产品的可用性、可靠性、效率、可观测性和性能，同时推动大规模监控和操作的一致性
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
熟悉开源项目Dify/CrewAI，或有为其他开源LLM项目做出贡献的经验
AI 洞察
优缺点分析
优点
- 平台优势：在微软这样的科技巨头工作，能接触到最前沿的AI技术和海量用户场景，项目影响力大
- 技术前沿性：专注于AI驱动的智能硬件与消费体验，处于技术创新的风口，技能积累价值高
- 职业发展资源：公司提供完善的成长体系、技术社区和全球协作机会，有利于个人长期职业发展
- 综合福利：通常享有具有竞争力的薪酬、完善的福利保障和相对稳定的工作环境
- 竞争激烈：顶尖公司的AI核心岗位申请者众多，内部晋升和外部机会都面临激烈竞争
缺点 / 挑战
- 技术复杂度高：需要同时掌握全栈开发、AI应用和可能的硬件集成知识，学习曲线陡峭，持续学习压力大
- 高期望与责任：作为高级工程师和DRI，需对系统稳定性和项目进度承担重要责任，工作压力较大
- 适合拥有扎实工程背景、对AI技术充满热情、具备全栈思维和系统级问题解决能力，并希望在顶尖平台挑战复杂技术问题的资深软件工程师
角色解读
- 技术专家路径：可深耕AI与系统架构领域，成为公司内部或行业内的顶尖技术专家或架构师
- 技术管理路径：凭借DRI职责和指导经验，可向技术经理、项目经理或团队负责人等管理岗位发展
- 产品/业务路径：深入理解智能硬件与AI消费场景后，可转向产品管理或技术战略规划等角色
- 作为全栈工程师，参与融合硬件、AI与连接性的下一代智能消费设备与体验的开发
- 负责从用户需求分析、系统设计、编码实现到性能优化与维护的全流程技术工作
- 担任指定负责人（DRI），参与系统值班监控，确保产品的高可用性与可靠性，并指导团队其他成员
- 持续关注并引入新的技术趋势与解决方案，以提升产品的技术先进性与运营效率
- 扎实的软件工程基础，精通C、C++、Python、Java、JavaScript或C#等至少一门主流编程语言
- 具备全栈开发能力，能够处理从后端逻辑到前端交互，以及与硬件/系统层集成的复杂问题
- 拥有大型语言模型（LLM）的应用开发经验，熟悉相关开源生态（如Dify/CrewAI），并对AI技术发展有深刻理解
- 具备系统设计、性能调优、问题排查（Debug）的能力，以及推动项目计划和跨团队协作的软技能
申请策略
- 深入了解微软AI（MAI）部门及该团队正在开发的智能消费产品线，在申请和面试中展现你的业务洞察
- 仔细阅读并理解职位描述中关于混合办公（每周至少4天到办公室）的政策，确保工作模式符合个人预期
- 重点突出与LLM、AI系统相关的项目经验，详细描述你在其中的技术角色、解决方案和取得的成果
- 展示全栈开发能力，用具体案例说明你如何从前端到后端，或从软件到系统层面解决复杂问题
- 强调系统设计、性能优化和线上问题排查（On-call/DRI）的经验，这是高级工程师的核心价值
- 如有参与开源LLM项目（如Dify/CrewAI）或技术社区贡献的经历，务必单独列出并说明细节
- 深入理解一到两个主流LLM（如GPT系列、Llama等）的原理、应用框架和优化技巧
- 补充关于智能硬件、嵌入式系统或物联网（IoT）的基础知识，以更好地理解业务场景
面试指南
- 对于项目经验类问题，采用STAR法则（情境、任务、行动、结果）结构化回答，重点突出你的技术决策、解决问题的过程和量化成果
- 对于系统设计问题，先明确需求和约束，然后分层（如客户端、API、服务、数据存储）阐述设计，并讨论权衡（如性能vs成本、一致性vs可用性）
- 对于观点和趋势类问题，结合你的技术积累和行业观察，给出有逻辑、有依据的分析，并可以联系到微软或该团队的业务方向
- 请详细介绍一个你参与的、涉及LLM应用或AI集成的项目，你在其中扮演了什么角色？遇到了什么挑战？如何解决的？
- 假设要为一个新的智能设备设计一个软件系统架构，你会如何考虑？请描述你的设计思路和关键技术选型
- 你如何监控和保障一个线上AI服务的稳定性和性能？请分享一次你作为DRI或参与On-call处理线上故障的经历
- 请写一段代码解决某个具体问题（可能与算法、数据结构或系统编程相关）
- 你如何看待当前AI技术的发展趋势？你认为未来1-2年在消费级AI设备领域最大的机会和挑战是什么？
职位点评
Watch Jobs