DeepSeek Mempekerjakan 150 Jurutera, Menumpukan pada Pembangunan Backend dan Agen

DeepSeek , memperluaskan pasukan sebanyak 150 orang sekaligus!

Apa ini? Mereka hanya berukuran 300-500 orang sahaja, ini pasti ada gerakan besar.

Dan 150 HC ini bukan untuk arah penyelidikan AI, tetapi semuanya ditumpukan kepada dua jawatan: Jurutera Pembangunan Pelayan, Jurutera Pembangunan Komputasi Fleksibel Agent, dengan fokus kepada jurutera belakang berpengalaman 2 hingga 10 tahun.

Pengurus, Tsui Tian-yi, menjelaskan bahawa skala yang besar menghasilkan kompleksiti, dan kompleksiti itu pula secara timbal balik memerlukan peningkatan skala.

Ini... Hukum Penskalaan bilangan pasukan?

Rekabentuk jurutera pengiraan fleksibel agen kali ini dibahagikan kepada dua arah: pembangunan platform dan sistem asas.

Platform ini merupakan platform pengiraan fleksibel yang disesuaikan khusus untuk Agent, DSec ( DeepSeek Elastic Compute）， dalam pengumuman baru-baru ini DeepSeek Diperkenalkan pertama kali dalam laporan teknikal V4.

Menurut perihalan kertas, DSec terdiri daripada tiga komponen Rust: Apiserver sebagai gateway API, agen Edge di setiap hos, dan pemantau kluster Watcher, yang saling berhubung melalui protokol RPC buatan sendiri, berjalan di DeepSeek Di atas sistem fail terdistribusi 3FS buatan sendiri.

Iklan pekerjaan mengungkapkan rancangan ekspansi kejuruteraan seterusnya.

Untuk meningkatkan kebolehpercayaan dan kecekapan, DSec perlu memodifikasi seluruh stak sistem: dari sistem pengendali hingga mesin maya, serta semua peringkat rangkaian dan penyimpanan, sehingga ke perkhidmatan pengurusan dan pengagihan peringkat aplikasi.

Projek ini banyak perkara yang belum pernah dilakukan oleh orang lain, tiada jawapan sedia ada untuk disalin.

Arah pembangunan dan pengekalan platform, sedikit mirip dengan gabungan produk dan pembangunan, perlu terlibat dalam memahami keperluan serta secara langsung merekabentuk, membangun, dan mengekalkan sistem.

Pengoptimuman dan penyelesaian masalah pada peringkat bawah yang lebih keras, mampu “mengekstrak prestasi komponen sistem operasi tertentu hingga SOTA, atau langsung menekan hingga hadapan peranti keras” adalah nilai tambah.

Kalimat terakhir, "Kerja anda secara langsung menentukan kepelbagaian dan kecekapan latihan model Agent," bukanlah sekadar kata-kata kosong.

kerana DeepSeek Akan dicapai SOTA, kemudian dibuka sumbernya, maka kesannya bukan hanya masa depan DeepSeek Infrastruktur agen, tetapi seluruh industri.

Di pihak kejuruteraan pengembangan pelayan, enam arah mencakup keseluruhan rantai dari penyelidikan model hingga perkhidmatan berorientasikan pengguna:

Arah platform penyelidikan model besar, komponen kerangka Agent, infrastruktur kecekapan pembangunan, DeepSeek API, arah perkhidmatan dalam talian, arah kejuruteraan data.

DeepSeek Penerangan terhadap misi pasukan ini ialah: berada cukup dekat dengan hadapan penyelidikan model besar, sehingga apa yang dihasilkan segera mendapat maklum balas daripada garis depan penyelidikan. Kebolehpercayaan dan kemudahan penggunaan platform secara langsung menentukan kecekapan penyelidikan model besar dan kelajuan peningkatan had kecerdasan.

Tugas utama arah platform penyelidikan model besar ialah mengabstrakkan proses penyelidikan sebagai kemampuan platform, yang memerlukan "mendalami skenario kerja penyelidik di garis depan" dan secara aktif mengenal pasti masalah, bukan hanya menerima permintaan secara pasif. Matlamat akhir ialah "memendekkan tempoh dari pengajuan, pengesahan hingga pengulangan idea penyelidikan"

Komponen kerangka agen bertanggung jawab untuk membangun kerangka akses dan pelaksanaan agen yang seragam.

Tanggung jawab dalam arah infrastruktur efisiensi pembangunan merangkumi sistem CI/CD yang seragam, sistem keterlihatan dan amaran, aliran dan pentadbiran data berskala besar antara kluster, automatik pentadbiran, dan secara jelas menekankan untuk "mengkaji penggunaan Agent dalam diagnosis automatik dan RCA".

Dua arah yang langsung melayani pengguna luar DeepSeek produk.

DeepSeek Arah API perlu mengatasi "cabaran perkhidmatan API berskala besar", menghantar hasil penyelidikan model terkini melalui API yang stabil dan efisien kepada pembangun global dan pengguna dalam jumlah besar, serta berkembang bersama kerangka inferens dalaman.

Arah perkhidmatan dalam talian memerlukan reka bentuk arsitektur dan peningkatan berterusan untuk aplikasi model besar yang menyokong skala pengguna harian berjumlah puluhan juta.

Akhir sekali, arah kejuruteraan data menyokong semua peringkat daripada latihan model hingga perkhidmatan dalam talian, dengan teknologi yang melibatkan Spark, Flink, Kafka, ClickHouse, Iceberg, dan sebagainya, memerlukan calon mampu menyelesaikan pemodelan data penuh dari log penjejakan hingga indikator perniagaan secara berdikari.

Dengan melihat tanggung jawab arah-arah ini secara keseluruhan, ia menunjukkan satu rantai lengkap: model melaksanakan tugas dalam persekitaran sandbox, platform merekod proses dan hasil operasi, membentuk data latihan dan penilaian, dan data tersebut kemudian digunakan untuk memperbaiki model.

Semua jawatan berkaitan penyelidikan menekankan perkara yang sama: jurutera perlu “mendalam ke dalam skenario kerja penyelidik”, secara aktif mengenal pasti masalah dan mendorong penyelesaian daripada definisi hingga pelaksanaan, bukan sekadar menerima dan menyerahkan keperluan.

Iklan pekerjaan menggunakan satu paragraf penuh untuk menggambarkan calon ideal, DeepSeek Jurutera yang diharapkan dilantik sudah menggunakan Agent secara mendalam dalam kerja harian mereka.

Salah satu syaratnya ialah “mahir menggunakan alat AI Agent untuk pembangunan perisian, dan di bawah bantuan AI, mampu menulis kod dengan jaminan kualiti di bidang yang tidak mempunyai pengalaman langsung”.

Sekali lagi diminta agar "apabila Agent memberikan penyelesaian yang bermasalah, anda mampu mengesan dengan tajam dan segera terlibat".

Di era Agent ini, kepentingan pengalaman dalam penggunaan bahasa, alat tertentu, atau bahkan pernah menjalankan jenis projek tertentu semakin berkurang.

Pembangunan sedang berpindah dari "Saya tahu cara melakukannya" kepada "Saya tahu apa yang perlu ditanyakan, di mana kemungkinan kesalahan, dan bagaimana membuktikan ia betul."

Rujukan:

[1]https://x.com/tianyi/status/2096975270578139273?s=20

[2]https://app.mokahr.com/social-recruitment/

Artikel ini berasal daripada akaun微信公众号 "Quantum Bit", penulis: Meng Chen