DeepSeek , langsung merekrut 150 orang!
Apa ini? Mereka hanya berukuran 300-500 orang, ini pasti akan melakukan sesuatu yang besar.
Dan 150 HC ini bukan untuk bidang penelitian AI, semuanya difokuskan pada dua posisi: Engineer Pengembangan Server-side, Engineer Riset Komputasi Elastis Agent, dengan fokus pada pengembang backend berpengalaman 2 hingga 10 tahun.
Pemimpin Cui Tianyi menjelaskan bahwa semakin besar skala, semakin kompleks, dan kompleksitas tersebut justru menuntut perluasan skala.
Ini... Hukum Scaling untuk jumlah tim?
DeepSeek Elastic Computing dari paper menuju pengembangan teknis berskala besar
Insinyur pengembangan komputasi elastis Agent kali ini dibagi menjadi dua arah: pengembangan platform dan sistem dasar.
Platform ini merupakan platform komputasi elastis yang disesuaikan khusus untuk Agent, DSec ( DeepSeek Elastic Compute), baru saja dirilis DeepSeek Diungkapkan pertama kali dalam laporan teknis V4.
Menurut deskripsi paper, DSec terdiri dari tiga komponen Rust: API gateway Apiserver, Edge proxy di setiap host, dan cluster monitor Watcher, yang saling terhubung melalui protokol RPC buatan sendiri, berjalan di DeepSeek Di atas sistem file terdistribusi 3FS buatan sendiri.
Lowongan pekerjaan mengungkapkan rencana ekspansi teknik selanjutnya.
Untuk meningkatkan keandalan dan efisiensi, DSec perlu memodifikasi seluruh stack sistem: dari sistem operasi hingga mesin virtual, hingga jaringan dan penyimpanan di berbagai tingkatan, hingga layanan penjadwalan dan pengendalian lapisan aplikasi.
Proyek ini banyak hal yang belum pernah dilakukan orang sebelumnya, tidak ada jawaban siap pakai yang bisa disalin.
Arah pengembangan dan pemeliharaan platform, agak mirip dengan gabungan produk dan pengembangan, harus terlibat dalam memahami kebutuhan, serta secara langsung merancang, mengembangkan, dan memelihara sistem.
Optimasi dan pemecahan masalah tingkat dasar yang lebih intensif, seperti mengekstraksi kinerja komponen sistem operasi tertentu hingga mencapai SOTA, atau bahkan mendorongnya hingga batas perangkat keras, adalah nilai tambah.
Kalimat terakhir, "Pekerjaan Anda secara langsung menentukan keragaman dan efisiensi pelatihan model Agent," bukanlah omong kosong.
karena DeepSeek Akan mencapai SOTA, lalu membuka sumbernya, maka dampaknya bukan hanya masa depan DeepSeek Infrastruktur agen, tetapi seluruh industri.
Agen melintasi seluruh rantai pengembangan
Di sisi pengembangan server, enam arah mencakup seluruh rantai dari penelitian model hingga layanan berorientasi pengguna:
Arah platform penelitian model besar, komponen kerangka Agent, infrastruktur efisiensi pengembangan, DeepSeek arah API, arah layanan daring, arah teknik data.
DeepSeek Deskripsi misi tim ini adalah: tetap dekat dengan前沿 penelitian model besar, sehingga produk yang dikembangkan segera mendapatkan umpan balik dari garis depan penelitian. Keandalan dan kemudahan penggunaan platform secara langsung menentukan efisiensi penelitian model besar dan kecepatan peningkatan batas kecerdasan.
Tugas inti dari platform penelitian model besar adalah mengabstraksikan proses penelitian menjadi kemampuan platform, yang memerlukan "mendalam ke dalam skenario kerja peneliti langsung", secara aktif mengidentifikasi masalah daripada secara pasif menerima permintaan. Tujuan akhirnya adalah "memperpendek siklus ide penelitian dari pengajuan, verifikasi, hingga iterasi".
Komponen kerangka kerja agen bertanggung jawab atas pembangunan kerangka kerja akses dan runtime agen yang terpadu.
Tanggung jawab arah infrastruktur efisiensi pengembangan mencakup sistem CI/CD terpadu, sistem observabilitas dan alerting, aliran dan tata kelola data skala besar lintas klaster, otomasi operasional, dan secara jelas menekankan untuk "mengeksplorasi penerapan Agent dalam diagnosis otomatis dan RCA".
Dua arah yang langsung melayani pengguna eksternal DeepSeek produknya.
DeepSeek Arah API perlu mengatasi tantangan layanan API berskala sangat besar, mengirimkan hasil penelitian model mutakhir melalui API yang stabil dan efisien kepada pengembang global dan pengguna dalam jumlah besar, serta berkembang bersama kerangka inferensi internal.
Arah layanan daring memerlukan desain arsitektur dan iterasi berkelanjutan untuk mendukung aplikasi model besar dengan skala pengguna aktif harian puluhan juta.
Terakhir, arah teknik data melayani seluruh tahap dari pelatihan model hingga layanan daring, dengan teknologi yang mencakup Spark, Flink, Kafka, ClickHouse, Iceberg, dll., dan mengharuskan kandidat mampu secara mandiri menyelesaikan pemodelan data end-to-end dari log penanaman titik hingga indikator bisnis.
Dengan melihat tanggung jawab dari beberapa arah ini secara keseluruhan, mereka membentuk satu rantai lengkap: model menjalankan tugas di lingkungan sandbox, platform mencatat proses dan hasil operasi, membentuk data pelatihan dan evaluasi, yang kemudian digunakan untuk meningkatkan model.
DeepSeek mencari orang seperti apa?
Semua posisi terkait penelitian menekankan hal yang sama: insinyur harus "terlibat langsung dalam lingkungan kerja peneliti", secara aktif mengidentifikasi masalah, dan mendorong solusi dari definisi hingga implementasi, bukan hanya menerima dan menyerahkan permintaan.
Lowongan pekerjaan menggunakan seluruh paragraf untuk menggambarkan kandidat ideal, DeepSeek Insinyur yang diharapkan direkrut sudah secara mendalam menggunakan Agent dalam pekerjaan sehari-hari mereka.
Salah satu persyaratannya adalah "menguasai penggunaan alat AI Agent untuk pengembangan perangkat lunak, dan di bawah bantuan AI, mampu menulis kode dengan jaminan kualitas di bidang yang tidak memiliki pengalaman langsung."
Lagi-lagi diminta "ketika Agent memberikan solusi yang bermasalah, Anda mampu mendeteksi dengan tajam dan segera terlibat".
Di era Agent ini, pentingnya pengalaman dalam menggunakan bahasa atau alat tertentu, bahkan dalam mengerjakan jenis proyek tertentu, sedang menurun.
Tim pengembangan sedang beralih dari “Saya tahu cara melakukannya” menjadi “Saya tahu pertanyaan apa yang harus diajukan, di mana kemungkinan kesalahan, dan bagaimana membuktikan bahwa itu benar.”
Referensi:
[1]https://x.com/tianyi/status/2096975270578139273?s=20
[2]https://app.mokahr.com/social-recruitment/
Artikel ini berasal dari akun WeChat "Quantum Bit", penulis: Meng Chen