作为一名专注于AI驱动生产力工具的高级软件工程师，您将设计和开发应用程序，以增强内部工程团队的工作流程和效率。您将与工程和产品团队密切合作，提供可扩展的高影响力解决方案。
您将维护和增强关键任务的高可用性分布式服务，这些服务可按需扩展，以支持持续集成和开发平台，通过可视化和AI驱动的自动化分析提高开发人员效率。
您的角色将涉及开发下一代工具，自动化任务，提供智能洞察，并在整个软件开发生命周期（SDLC）中提高整体用户生产力。这包括试验各种AI模型，开发稳健的性能系统，分析和可视化数据，并进行端到端性能分析。该角色还涉及使用EC2、S3、RDS、ECS和Lambda优化可扩展的AWS基础设施，同时确保成本效益。您的工作将直接促进生产问题的更快解决，提高服务的可靠性，并有效利用工程带宽。
职责：
- 开发生产力工具，通过自动化性能监控、异常检测和问题解决来提高工程效率
- 构建智能框架，自动化性能异常检测、基础设施健康检查以及跨遥测、日志和系统利用率指标的根本原因识别。
- 探索新兴的AI领域和Web技术，并与高级团队成员合作，识别和推进工具改进的机会。
- 参与产品设计讨论，通过识别热点问题和开发原型来帮助解决软件性能问题，以展示潜在解决方案。
- 利用对AWS服务的深入理解来设计、构建和维护可扩展的工具和服务。
- 进行仪器化、基准测试并定义基线以评估延迟、可靠性和准确性，识别差距并优化性能。
- 开发和维护高可用性、可扩展的关键任务分布式服务，通过可视化和AI驱动的自动化分析来提高开发人员效率。
- 清晰地向团队成员传达您的工作、发现和分析，并有效地向技术受众展示建议。
最低资格：
- 需要相关技术学位。
- 5年以上软件开发经验，具备数据结构、算法和设计模式的扎实基础。
- 强烈推荐Python；有Java经验者优先。
- 拥有AWS服务（EC2、S3、RDS、ECS、Lambda）的实践经验，优化可扩展和成本效益操作的架构。
- 对分布式系统、数据库和云基础设施有扎实的理解。
- 具备强大的问题解决、沟通和协作能力。
- 具备质疑和探索不断发展的生成式AI领域的好奇心和主动性。
加分项：
- 计算机科学、工程、人工智能、机器学习或相关技术领域的硕士学位。
- 了解性能分析工具（如perf、FlameGraphs）和性能诊断技术。
- 了解AI代理框架，如LangChain、Semantic Kernel或AutoGen。
- 熟悉各种提示策略（如零样本、少样本、思维链）以从大型语言模型（LLM）中引出所需响应。
- 熟悉遥测和生产分析（指标、跟踪、日志），并应用AI解决可观测性或调试挑战。
