DeepSeek 研发岗位全量扫描与自我匹配评估
本文对幻方&DeepSeek 招聘官网全部在招岗位做全量扫描——排除产品与职能部门后，对 21 个研发/技术岗位逐一打分排序，并给出投递策略。单个岗位的逐条分析（Agent Infra）见上一篇：DeepSeek「Agent Infra 研发工程师」岗位分析与自我匹配评估。
结论先行：最适合我的岗位集中在三个方向——服务端开发（数据仓库/研究中台）、Code Agent 数据工程（后端专项）、AI 平台运维（运维开发）。完整排序与匹配度见下表。
筛选口径
2026-08-13 抓取招聘官网全部在招记录，共 36 条。按”排除产品、职能部门”的口径筛选：
- 产品类 7 条（排除）：Agent Harness 产品经理、通用 Agent 数据产品经理、专业领域数据产品经理、AI 创作数据产品经理、AI 产品经理、AI 产品运营、情感智能数据产品经理
- 职能类 6 条（排除）：HR 团队、AGI 核心业务管培生、法务团队、财务团队、采购团队、行政团队
- 跳转指引 2 条（合并）：Agent Harness 研究员 / 研发工程师 → 合并入「Agent Harness 团队」
剩余 21 个研发/技术岗位，以下逐一打分排序。
匹配度总排序
| 梯队 | 岗位 | 匹配度 | 一句话判断 |
|---|---|---|---|
| 第一梯队 | 服务端开发工程师（大模型研究中台 / 线上核心服务 / 数据仓库） | ★★★★★ ~80% | 数据架构转型 + Go 后端 + 与研究员协作经历，几乎逐条命中 |
| 第一梯队 | Code Agent 数据工程师（后端专项） | ★★★★★ ~75% | “AI 编程工具重度使用 + 3 年后端 + 主场生态 + 公开技术输出”，博客就是证据 |
| 第一梯队 | AI 平台运维工程师（运维开发 / 集群运维） | ★★★★ ~70% | 明确要 Go/Python 开发 + 运维痛点经历；集群运维方向”素质优先、不设经验门槛” |
| 第二梯队 | Agent Infra 研发工程师 | ★★★ ~60% | 详见上篇，主攻方向 5、6 |
| 第二梯队 | 预训练数据工程师（数据基建方向） | ★★★ ~60% | Redis/Kafka/HDFS/Spark 经历直接映射，但只限数据基建方向 |
| 第二梯队 | 测试开发工程师 | ★★★ ~55% | Go 优先 + 质量保障体系，CI/CD 与统筹测试团队的经历可讲 |
| 第三梯队 | Agent Harness 研发/工程 | ★★ ~45% | 学历”知名高校”硬门槛 + 无 Harness 工程作品 |
| 第三梯队 | 大模型训练/推理框架工程师 | ★★ ~40% | 无 PyTorch/训练栈；但 JD 罕见地要求”擅长与 Code Agent 合作”——是我的亮点 |
| 第三梯队 | IT 基础设施团队 | ★★ ~40% | 硬件/网络方向要数通与 RDMA；桌面方向门槛低但天花板低 |
| 第四梯队 | AI 搜索算法/架构、超算集群研发、深度学习研发 | ★ ~25-30% | 需 ML/DL 或体系结构深度，博客证据为零 |
| 第四梯队 | AI 跨界技术人才、前端/客户端 | ★ ~15-20% | 前者要”超乎常人的才能”与良好教育背景；后者无前端深度 |
| 第五梯队 | 各类研究员（预训练/后训练/多模态/Frontier/Harness 研究）、算子/编译器、分布式存储、IDC 数据中心 | ★ ~5-10% | 需论文、竞赛、CUDA、内核级深度或电气暖通背景，不建议投 |
第一梯队详解
1. 服务端开发工程师 —— 匹配度最高的岗位
JD 分三个方向，与我履历的对应关系：
- 数据仓库方向：要求”本科及以上，1~5 年数据开发/数仓经验，SQL + 至少一门编程语言”。我 2025 年转向数据架构，大数据底座（HDFS/Spark/Flink/Hive）与数据中台的研发交付正是这段经历的书面化证明——博客里 40+ 篇大数据原理与部署调优笔记就是证据链。
- 大模型研究中台方向：要求”扎实工程基础，深入掌握一门后端语言，系统学习分布式系统、高并发架构设计”，且要与研究员紧密协作。Go 是我的主场语言（GMP/内存模型/GC 均有系统笔记）；2025 年与算法组协作交付数据标注平台的经历，直接对应”与研究员协作”。
- 线上核心服务方向：要求数据结构与算法——91 天 LeetCode 打卡记录是现成的证据。
这个岗位的意义在于：它是把我的”传统后端 + 数据架构”两条职业线合流进 AI 行业的最顺通道，不需要伪造任何新能力。
2. Code Agent 数据工程师（后端专项）—— 意外的高匹配
JD 开篇就写：”这是一个 AI 时代的新型工程师岗位。你不需要写业务代码、交付产品，而是用独到的经验和品味，去发现问题、定义评测标准、改进训练数据，教大模型更好地写代码。”
逐条对照后端专项要求：
| JD 要求 | 我的证据 |
|---|---|
| AI 编程工具（Claude Code、Codex 等）重度使用 | opencode 会话库 3 个月 376MB（使用与备份细节详见上篇”独特的视角优势”一节） |
| 3 年以上后端一线开发经验 | 2022 年入行，至 2026 年已有 4 年多后端经验（Go/Java） |
| 有”主场”技术生态，能讲清语言运行时（并发调度、GC、内存模型） | Go：GMP、内存模型、GC、并发模式均有系统笔记 |
| 长期负责高并发或数据密集服务（事务边界、缓存一致性、限流降级） | MySQL/Redis/Kafka 原理 + 调优笔记 |
| 公开可查的开源贡献或技术输出 | 本博客 175 篇文章本身就是公开技术输出 |
这个岗位把我最大的”非传统”优势——AI 编程工具的深度使用经验——从爱好变成了职业资格。而且工作内容（定义评测、构造训练环境、补能力短板）与我正在做的事（用 opencode 批产博客、观察模型行为、写备份工具）高度同构。
注意点：该岗还有前端/移动端/3D/游戏/安全专项，我只匹配后端专项，投递时必须注明”后端专项（主场：Go）”。
3. AI 平台运维工程师 —— 唯一”素质优先、主动放开经验门槛”的岗位
- 运维开发方向：明确要求”较好的 Python/Golang 开发能力”（Go 是我的主场）；加分项”3 年以上一线运维经历，深知运维痛点”——我的政企驻场运维抗压经历就是痛点本身。
- 集群运维方向：JD 原文写”我们不太在意你过去有没有运维经验，也不太在意你是不是科班出身”，看的是拆解问题的逻辑、系统性的技术视野、动手的冲动、对生产环境的敬畏——并且面试不考背诵，只让讲”一个你真正动手做过的事情，追问为什么这么做”。
- 我的可讲素材：政企大数据平台从 0 到 1 部署（Kerberos/Ranger 安全加固、K8s 调优、节点故障应急）、opencode 备份系统（WAL 一致性处理、恢复演练、日志审计——恰好是”对生产环境的敬畏”的微型证明）。
第二梯队简评
- Agent Infra 研发工程师：上篇已逐条分析，此处不重复（结论见总排序表）。
- 预训练数据工程师（数据基建方向）：该方向职责为键值数据库、消息队列的开发维护调优（对应 Redis/Kafka ✅）、数据湖/对象存储/分布式文件系统（对应 HDFS ✅）、PB 级分布式数据处理框架（对应 Spark/Flink 部署调优 ✅）——与我的大数据底座经历几乎逐条对应；但该岗另三个方向（数据采集/语言数据/多模态）需要 Python 数据栈与爬虫经验，投递时必须锁定”数据基建方向”。
- 测试开发工程师：要求”熟悉 Go、Rust 优先”+”对质量保障有系统的理解”+测试工具/平台开发经验。我有 Go 深度、CI/CD 实践、2022 年 GoFrame 单测贡献、2023 年统筹研发测试运维的全局视角；缺”测试平台开发”作品，属于可以快速补的短板。
第三梯队及以下：为什么不投
- Agent Harness 研发/工程：学历”知名高校”硬门槛 + 无 Harness 工程作品，性价比低（此前评估的结论，未单独成文）。
- 大模型训练/推理框架工程师：JD 出现”擅长与 Code Agent 合作”这个罕见要求（我的强项），但主体要求是 Python/C++/Rust + PyTorch 训练栈，我完全没有，先补课再考虑。
- IT 基础设施团队：硬件&网络方向要 OSPF/BGP/RDMA/压测基线；桌面方向是 IT 支持（macOS/Windows 桌面运维），天花板低，与我的方向不符。
- AI 搜索算法/架构：算法方向要 ML/DL/信息检索；架构方向要 C++/Rust 数据密集型系统。都不够。
- 超算集群 / 算子 / 编译器 / 分布式存储：体系结构深度 + CUDA/Rust + RDMA + 内核级工程，博客证据为零。
- 各类研究员岗（预训练/后训练/多模态/Frontier/Agent Harness 研究）：需要硕士、论文、竞赛或顶尖实验室经历，全部不满足。
- IDC 数据中心团队：电气/暖通/机房现场，非软件方向。
- AI 跨界技术人才：要求”超乎常人的才能”与”良好的教育背景”，加分项是世界级奖项/著名开源贡献/创业——我的个人技术博客只能算弱加分，整体画像差距太大。
最终投递策略
- 主投三个（按优先级）：
- 服务端开发工程师（数据仓库方向 / 研究中台方向）
- Code Agent 数据工程师（后端专项，注明主场 Go）
- AI 平台运维工程师（运维开发方向）
- 次投三个：Agent Infra（方向 5/6）、预训练数据工程师（数据基建方向）、测试开发工程师。
- 简历三条主线：Go 后端深度（GMP/GC/内存模型）+ 大数据底座交付（政企项目 0→1）+ AI Agent 重度使用（证据见上篇”独特的视角优势”一节，此处不重复）。
- 补课优先级按主投岗位倒排：
- Python 数据栈（pandas/Spark 编程）→ 服务端数据仓库方向、预训练数据工程师（本次新增项）
- 可观测性实战与 Rust 两条已在上篇的”行动计划”中拆解（Prometheus/Grafana/Loki 压测报告、把备份工具重写为 Rust CLI），同时服务于本表的运维、Agent Infra 与测试开发岗位，此处不重复
- 一个总的观察：三个主投岗位的共同点是——不要求名校学历、不要求论文竞赛，看重”真实工程经历 + AI 工具重度使用 + 公开技术输出”。这三点恰好是我博客已经证明的东西。相比此前评估的 Agent Harness 岗，这些岗位才是”我”这个画像的合理入口。
DeepSeek 研发岗位全量扫描与自我匹配评估
https://chaggle.github.io/2026/08/13/summary/deepseek-rd-jobs-scan-20260813/