DeepSeek ，一口气扩招150人！

啥玩意他们总共也就才300-500人规模，这是要搞大动作啊。

而且这150个HC并非AI研究方向，全部集中到两个岗位：服务端开发工程师、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。

负责人崔添翼解释到，规模大了产生复杂度，复杂度又反过来要求扩大规模。

这是……团队人数的Scaling Law？

DeepSeek弹性计算从论文走向大规模工程化

这次的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。

这个平台指为Agent量身定制的弹性计算平台DSec（ DeepSeek Elastic Compute），在不久前发布的 DeepSeek -V4技术报告中首次公开披露。

根据论文描述，DSec由三个Rust组件构成：API网关Apiserver、每台宿主机上的Edge代理、以及集群监控器Watcher，三者通过自研RPC协议互联，运行在 DeepSeek 自研的3FS分布式文件系统之上。

招聘信息则透露了下一步的工程扩张的计划。

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。

平台开发和维护方向，有点像产品和开发的结合，要参与理解需求，也要亲自把系统设计、开发和维护好。

底层调优和攻坚更硬核，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。

最后这句“你的工作直接决定了Agent模型训练的多样性和效率”也不是空话。

因为 DeepSeek 会做到SOTA，然后开源，那就影响的不只是未来 DeepSeek Agent基础设施，而是整个行业的。

Agent贯穿研发全链路

服务端开发工程师这边，六个方向覆盖了从模型研究到面向用户服务的完整链路：

大模型研究平台方向、Agent框架组件方向、研发效率基建方向、 DeepSeek API方向、线上服务方向、数据工程方向。

DeepSeek 对这个团队使命的描述是：离大模型研究前沿足够近，做出来的东西马上有来自研究一线的反馈。平台的可靠与好用，直接决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务是将研究流程抽象为平台能力，需要“深入研究员一线工作场景”，主动识别问题而非被动承接需求。最终目标是“缩短研究想法从提出、验证到迭代的周期”

Agent框架组件方向负责建设统一的Agent接入与运行框架。

研发效率基建方向的职责覆盖统一的CI/CD体系、可观测与告警体系、大规模数据跨集群流转与治理、运维自动化等，并明确提出要“探索Agent在自动诊断与RCA中的应用”。

面向外部用户的两个方向直接服务于 DeepSeek 的产品。

DeepSeek API方向需要应对“超大规模API服务挑战”，将前沿模型的科研成果通过稳定、高效的API输送给全球开发者与海量用户，并与内部推理框架共同演进。

线上服务方向则需要支撑“数千万日活用户”规模的大模型应用的架构设计与持续迭代。

最后，数据工程方向服务于从模型训练到线上服务的所有环节，技术栈涉及Spark、Flink、Kafka、ClickHouse、Iceberg等，要求候选人能独立完成从埋点日志到业务指标的全链路数据建模。

把这几个方向的职责连起来看，它们指向一条完整的链路：模型在沙箱环境中执行任务，平台记录操作过程和结果，形成训练与评测数据，数据再用于改进模型。

DeepSeek想找什么样的人？

所有与研究相关的岗位都强调同一件事：工程师要“深入研究员一线工作场景”，主动识别问题、推动解决方案从定义到落地，而非仅承接和交付需求。

招聘信息专门用了一整段来刻画理想人选， DeepSeek 期望招进来的工程师，本身已经在日常工作中深度使用Agent进行开发。

其中一条要求是“熟练使用AI Agent工具进行软件开发，在AI辅助下能够在没有直接经验的领域写出有质量保证的代码”。

又要求“当Agent提供有问题的方案时，你能够敏锐地发现并及时介入”。

在这个Agent时代，对特定语言、工具的使用经验，甚至做过某一类项目的重要性在下降。

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”。

参考链接：

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

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

本文来自微信公众号“量子位”，作者：梦晨