DeepSeek ، توظيف 150 شخصًا دفعة واحدة!
ما هذا؟ إنهم بحجم 300-500 شخص فقط، وهذا يبدو وكأنه تحرك كبير.
وغير هذه الـ 150 وظيفة من HC ليست موجهة لأبحاث الذكاء الاصطناعي، بل تتركز بالكامل على وظيفتين: مهندس تطوير الخادم، ومهندس تطوير الحوسبة المرنة للوكلاء، مع التركيز على مطوري الخلفية ذوي الخبرة من سنتين إلى 10 سنوات.
شرح المسؤول تشي تيان يي أن الحجم الكبير يولد تعقيدًا، والتعقيد بدوره يتطلب زيادة الحجم.
هذا... قانون التوسع لعدد أعضاء الفريق؟
DeepSeek Elastic Computing من الورقة البحثية إلى التحويل الواسع النطاق للهندسة
يُقسَّم مهندس تطوير الحوسبة المرنة للوكيل هذه المرة إلى اتجاهين: تطوير المنصة والأنظمة الأساسية.
هذه المنصة هي منصة الحوسبة المرنة المخصصة لـ Agent، DSec ( DeepSeek (الحوسبة المرنة)، في الإصدار الذي صدر مؤخرًا DeepSeek تم الكشف عنه لأول مرة في تقرير التقنية V4.
وفقًا لوصف الورقة، يتكون DSec من ثلاثة مكونات Rust: API Gateway Apiserver، وعامل Edge على كل خادم مضيف، ومراقب العنقود Watcher، والتي تتصل ببعضها البعض عبر بروتوكول RPC مصمم داخليًا، وتعمل على DeepSeek على نظام الملفات الموزع 3FS الذي تم تطويره داخليًا.
تُظهر وظائف التوظيف خطة التوسع الهندسي التالية.
لزيادة الموثوقية والكفاءة، يجب على DSec تعديل كامل طبقة النظام: من نظام التشغيل إلى الآلة الافتراضية، ثم إلى مستويات الشبكة والتخزين المختلفة، وحتى خدمات الجدولة والتحكم على مستوى التطبيق.
هذا المشروع يشمل أشياء لم يقم بها أحد من قبل، ولا توجد إجابات جاهزة يمكن النسخ منها.
اتجاه تطوير النظام والصيانة، مشابه لدمج المنتج والتطوير، حيث يجب المشاركة في فهم المتطلبات وتصميم النظام وتطويره وصيانته بنفسك.
تحسينات العمق والتركيز على التحديات الأصعب، مثل سحق أداء مكونات معينة من نظام التشغيل حتى تصل إلى SOTA، أو حتى دفعها مباشرة إلى حدود الأجهزة، هي ميزة إضافية.
الجملة الأخيرة "عملك يحدد مباشرة تنوع وكفاءة تدريب نموذج الوكيل" ليست مجرد كلام فارغ.
لأن DeepSeek سنحقق SOTA، ثم نفتح المصدر، مما سيؤثر ليس فقط على المستقبل DeepSeek البنية التحتية للوكيل، بل صناعة بأكملها.
يغطي العامل جميع مراحل التطوير
في فريق تطوير الخادم، تغطي الاتجاهات الستة السلسلة الكاملة من بحث النموذج إلى الخدمات الموجهة للمستخدم:
اتجاهات منصة أبحاث النماذج الكبيرة، وعناصر إطار العمل Agent، وبنية تحتية لتحسين كفاءة التطوير، DeepSeek API، واتجاه الخدمة عبر الإنترنت، واتجاه هندسة البيانات.
DeepSeek وصف مهمة هذا الفريق هو: البقاء قريبًا بما يكفي من أحدث تطورات أبحاث النماذج الكبيرة، بحيث يتم الحصول على ملاحظات فورية من خطوط البحث. تعتمد كفاءة أبحاث النماذج الكبيرة وسرعة رفع حدود الذكاء مباشرة على موثوقية ومناسبة المنصة.
المهمة الأساسية لمنصة أبحاث النماذج الكبيرة هي تجسيد عملية البحث كقدرات منصة، مما يتطلب "الدخول العميق إلى بيئات عمل الباحثين الميدانية" والتعريف النشط بالمشكلات بدلاً من تلقي المتطلبات بشكل سلبي. الهدف النهائي هو "تقليل دورة الوقت من طرح فكرة البحث إلى التحقق منها ثم تكرارها".
يُشرف مكون إطار العمل Agent على بناء إطار عمل موحد للربط والتشغيل الخاص بـ Agent.
تشمل مسؤوليات اتجاه بنية تحتية كفاءة التطوير نظام CI/CD موحد، ونظام قابلية الملاحظة والإشعارات، وتدفق ومعالجة البيانات الضخمة عبر مجموعات متعددة، وأتمتة التشغيل، مع التأكيد الصريح على "استكشاف تطبيق Agent في التشخيص التلقائي وتحليل الجذور".
يُخدم الاتجاهان الخارجيان مباشرةً DeepSeek المنتج.
DeepSeek يجب على اتجاه واجهة برمجة التطبيقات مواجهة "تحديات خدمة واجهة برمجة التطبيقات الضخمة جدًا"، ونقل نتائج الأبحاث النموذجية المتقدمة عبر واجهة برمجة تطبيقات مستقرة وفعالة إلى المطورين والمستخدمين العالميين، مع التطور المشترك مع إطار الاستدلال الداخلي.
يحتاج اتجاه الخدمة عبر الإنترنت إلى تصميم هندسي وتحديث مستمر لدعم تطبيقات النماذج الكبيرة بحجم يصل إلى عشرات الملايين من المستخدمين النشطين يوميًا.
في النهاية، يخدم تخصص هندسة البيانات جميع مراحل من تدريب النموذج إلى الخدمة عبر الإنترنت، وتشمل تقنيات Spark وFlink وKafka وClickHouse وIceberg، ويتطلب من المرشحين إكمال نمذجة البيانات الكاملة من سجلات التتبع إلى المؤشرات التجارية بشكل مستقل.
عند ربط مسؤوليات هذه الاتجاهات معًا، فإنها تشير إلى سلسلة متكاملة: يقوم النموذج بتنفيذ المهام في بيئة معزولة، ويسجل النظام عملية التنفيذ والنتائج، مما يُشكّل بيانات تدريب وتقييم، والتي تُستخدم بدورها لتحسين النموذج.
ما نوع الأشخاص الذين يبحث عنهم DeepSeek؟
جميع الوظائف المتعلقة بالبحث تؤكد على نفس الشيء: يجب على المهندسين "الانخراط في بيئة عمل الباحثين مباشرة"، وتحديد المشكلات بشكل استباقي ودفع حلول من التحديد إلى التنفيذ، وليس فقط تلقي وتسليم المتطلبات.
استُخدمت فقرة كاملة للإعلان عن الوظيفة لوصف المرشح المثالي، DeepSeek المهندسون المتوقع توظيفهم يستخدمون بالفعل الوكلاء بعمق في أعمالهم اليومية.
أحد المتطلبات هو "الاستخدام الماهر لأدوات وكيل الذكاء الاصطناعي في تطوير البرمجيات، بحيث يمكن تحت مساعدة الذكاء الاصطناعي كتابة كود ذو ضمان جودة في مجالات لا تمتلك خبرة مباشرة فيها".
يُطلب أيضًا "عندما يقدم الوكيل خطة مشكلة، يمكنك اكتشافها بحِدّة والتدخل في الوقت المناسب".
في عصر الوكلاء، يتناقص أهمية الخبرة في استخدام لغات أو أدوات معينة، أو حتى إنجاز نوع معين من المشاريع.
يتحول التطوير من "أنا أعرف كيف أفعل ذلك" إلى "أنا أعرف ما الذي يجب أن أسأل عنه، وأين قد يكون الخطأ، وكيف أثبت أنه صحيح".
رابط المرجع:
[1]https://x.com/tianyi/status/2096975270578139273?s=20
[2]https://app.mokahr.com/social-recruitment/
هذا المقال من حساب WeChat "Quantum Bit"، الكاتب: مينغ تشين