太猛了！DeepSeek一口气扩招150人，但不是搞AI，全在抢这类工程师！
💥 太猛了！DeepSeek一口气扩招150人，但不是搞AI，全在抢这类工程师！
你是不是也以为AI公司扩招，一定是招算法大神？看到这则消息我直接愣了——DeepSeek一口气放出150个工程师岗位，没有一个是纯AI研究方向！
要知道，这家公司总共也就300-500人规模，一次扩招就翻了快一半。到底发生了什么？
💫 全员技术岗：两个岗位，150个HC
好消息是，这150个HC全部集中在两类岗位：服务端开发工程师和Agent弹性计算研发工程师，重点面向2到10年经验的资深后端开发。
这意味着它不是要做更大规模模型训练，而是要夯实整个工程底座。负责招聘的崔添翼一句话点破玄机：
“规模大了产生复杂度，复杂度又反过来要求扩大规模。”
这话听着绕，但细品太真实了——当团队和系统膨胀，基础设施就得跟着升级，而基础设施升级又需要更多人手。这就跟团队人数的Scaling Law似的，越滚越大。
🚀 DSec弹性计算平台：从论文走向大规模工程化
🌟 两大方向，一个硬核一个更硬核
先说Agent弹性计算研发工程师，又分两个方向：平台开发和底层系统。
平台开发方向，有点像产品和开发的结合体。你要参与理解需求，也要亲手把整个系统设计好、开发好、维护好。不是坐在旁边等需求，而是要主动往前冲。
底层调优方向就硬核多了，招聘信息里直接写：能把“某些操作系统组件的性能压榨到SOTA，或者干脆直接压到硬件极限”是加分项。什么叫压到硬件极限？就是连最后一丝性能都要挖出来的那种狠人。
⚠️ 为什么这事影响整个行业？
背后提到的这个DSec平台（DeepSeek Elastic Compute），在DeepSeek-V4技术报告里首次公开。它由三个Rust组件构成，跑在自家3FS分布式文件系统之上——这不是抄别人作业，而是实打实的原创体系。
招聘信息里的这段话值得划重点：
“为了增加可靠性和效率，DSec需要修改整个系统栈：从操作系统到虚拟机，再到各级网络和存储，一直上到应用层调度和管控面服务。这个项目很多事前人没有做过，没有现成的答案可抄。”
听到没？“没有现成的答案可抄。”这才是真正的从0到1。而且DeepSeek的老规矩大家都懂——做到SOTA就开源。所以这批工程师干出来的东西，影响的不只是DeepSeek自己，而是整个行业的Agent基础设施。
你的工作直接决定Agent模型训练的多样性和效率，这句话真不是画饼。
🔗 服务端开发：一支贯穿全研发链路的队伍
🌟 六个方向，串起完整闭环
服务端开发工程师这边，六条方向覆盖了从模型研究到用户服务的完整链路：
1️⃣ 大模型研究平台方向：把研究流程抽象成平台能力，要“深入研究员一线工作场景”，目标是缩短研究想法从提出、验证到迭代的周期。
2️⃣ Agent框架组件方向：负责建设统一的Agent接入与运行框架。
3️⃣ 研发效率基建方向：覆盖CI/CD、可观测与告警、大规模数据跨集群流转和运维自动化，还明确提出要探索“Agent在自动诊断与RCA中的应用”——让AI自己排查自己的故障，这玩法确实超前。
4️⃣ DeepSeek API方向：应对“超大规模API服务挑战”，把前沿模型通过稳定高效的API输送给全球开发者。
5️⃣ 线上服务方向：支撑“数千万日活用户”规模的大模型应用。
6️⃣ 数据工程方向：技术栈横跨Spark、Flink、Kafka、ClickHouse、Iceberg，要独立完成从埋点日志到业务指标的全链路数据建模。
💡 把这几个方向连起来，你会看到什么？
一条完整的进化链路：模型在沙箱中执行任务 → 平台记录过程 → 形成训练数据 → 数据反过来改进模型。
这已经不是传统意义的“支撑部门”了，而是直接深度参与模型生长的核心引擎。
🎯 DeepSeek想招的是什么样的工程师？
所有相关岗位都强调同一件事：工程师要深入研究员一线场景，主动识别问题、推动方案落地，而不是等着接需求单子。
更值得关注的是，DeepSeek直接要求候选人已经在日常工作中深度使用Agent开发，并且能“在没有直接经验的领域”写出有质量保证的代码。
还得具备一个特殊能力：
“当Agent提供有问题的方案时，你能够敏锐地发现并及时介入。”
这才是Agent时代最稀缺的能力——不是你用AI用得有多溜，而是你知道什么时候不该信AI。
✨ 结语
在这个Agent席卷一切的时代，对特定语言和工具的经验权重在悄悄下降。研发正在从“我知道怎么做”，转向“我知道该追问什么、哪里可能错、怎样证明它是对的”。
平台会推着你走，但会质疑平台的，才是真正值钱的人。
你觉得，未来两年，纯写代码的“工具人”型工程师会被Agent彻底替代吗？如果觉得有启发，点个【在看】和【分享】让更多朋友看到这条技术圈的暗流涌动吧！🚀
