DeepSeek ，一次擴招 150 人！
他們總共才 300-500 人規模，這是要搞大動作啊。
而且這150個HC並非AI研究方向，全部集中於兩個崗位：服務端開發工程師、Agent彈性計算研發工程師，重點面向2到10年經驗的資深後端開發。
負責人崔添翼解釋到，規模大了產生複雜度，複雜度又反過來要求擴大規模。
這是……團隊人數的 Scaling Law？
DeepSeek 弾性計算從論文走向大規模工程化
本次的 Agent 彈性計算研發工程師又分為兩個方向：平台開發和底層系統。
這個平台是為 Agent 量身定制的彈性計算平台 DSec（ DeepSeek （Elastic Compute），在不久前發布的 DeepSeek 首次在 V4 技術報告中公開披露。
根據論文描述，DSec 由三個 Rust 組件構成：API 網關 Apiserver、每台主機上的 Edge 代理，以及叢集監控器 Watcher，三者透過自研 RPC 協議互聯，運行在 DeepSeek 基於自研的 3FS 分布式文件系統。
招聘信息則透露了下一步工程擴張的計劃。
為提升可靠性和效率，DSec 需要修改整個系統堆疊：從作業系統到虛擬機，再到各層網路和儲存，直至應用層排程與管控面服務。
這個項目有很多事情是前人沒有做過的，沒有現成的答案可以抄襲。
平台開發與維護方向，有點像產品與開發的結合，需參與理解需求，並親自完成系統的設計、開發與維護。
底層調優與攻堅更硬核，能將「某些作業系統組件的性能壓榨至 SOTA」，或直接壓至硬體極限者為加分項。
這句話「你的工作直接決定了Agent模型訓練的多樣性和效率」並非空談。
因為 DeepSeek 會做到 SOTA，然後開源，那就影響的不只是未來 DeepSeek Agent 基礎設施，而是整個行業的。
Agent 貫穿研發全鏈路
伺服器開發工程師這邊，六個方向涵蓋了從模型研究到面向用戶服務的完整鏈路：
大模型研究平台方向、Agent 框架組件方向、研發效率基建方向、 DeepSeek API 方向、線上服務方向、數據工程方向。
DeepSeek 對這個團隊使命的描述是：離大模型研究前沿足夠近，做出來的東西馬上有來自研究一線的反饋。平台的可靠與好用，直接決定了大模型研究的效率和提升智能上限的速度。
大模型研究平台方向的核心任務是將研究流程抽象為平台能力，需要「深入研究員一線工作場景」，主動識別問題而非被動承接需求。最終目標是「縮短研究想法從提出、驗證到迭代的週期」
負責建設統一的 Agent 接入與運行框架。
研發效率基建方向的職責涵蓋統一的 CI/CD 體系、可觀測與告警體系、大規模數據跨叢集流轉與治理、運維自動化等，並明確提出要「探索 Agent 在自動診斷與 RCA 中的應用」。
面向外部用戶的兩個方向直接服務於 DeepSeek 的产品。
DeepSeek API 方向需應對「超大規模 API 服務挑戰」，將前沿模型的科研成果透過穩定、高效的 API 傳遞給全球開發者與海量用戶，並與內部推理框架共同演進。
線上服務方向則需要支援「數千萬日活用戶」規模的大模型應用的架構設計與持續迭代。
最後，數據工程方向服務於從模型訓練到線上服務的所有環節，技術棧涉及 Spark、Flink、Kafka、ClickHouse、Iceberg 等，要求候選人能獨立完成從埋點日誌到業務指標的全鏈路數據建模。
將這些方向的職責連起來看，它們指向一條完整的鏈路：模型在沙箱環境中執行任務，平台記錄操作過程和結果，形成訓練與評測數據，數據再用於改進模型。
DeepSeek 想找什麼樣的人？
所有與研究相關的職位都強調同一點：工程師需「深入研究人員的一線工作場景」，主動識別問題，推動解決方案從定義到落地，而非僅僅承接和交付需求。
招聘資訊專門用了一整段來刻畫理想人選， DeepSeek 期望招進來的工程師，本身已在日常工作中深度使用 Agent 進行開發。
其中一項要求是「熟練使用 AI Agent 工具進行軟體開發，在 AI 輔助下能夠在沒有直接經驗的領域寫出有質量保證的代碼」。
又要求「當 Agent 提供有問題的方案時，你能夠敏銳地發現並及時介入」。
在這個 Agent 時代，對特定語言、工具的使用經驗，甚至做過某一類項目的重要性正在下降。
研發正在從「我知道怎麼做」，轉向「我知道該追問什麼、哪裡可能錯、怎樣證明它是對的」。
參考連結：
[1]https://x.com/tianyi/status/2096975270578139273?s=20
[2]https://app.mokahr.com/social-recruitment/
本文來自微信公眾號「量子位」，作者：夢晨