DeepSeek启动了一轮150人的集中招聘。以其目前约300至500人的团队规模来看，这次扩招幅度不小。
这批HC没有投向AI研究岗，而是全部集中在两个岗位：服务端开发工程师、Agent弹性计算研发工程师。招聘重点面向2到10年经验的资深后端开发者。
负责人崔添翼解释称，规模扩大后会带来复杂度，而复杂度又反过来要求继续扩大规模。
DSec从论文走向工程化
这次开放的Agent弹性计算研发工程师岗位，分为平台开发和底层系统两个方向。对应的平台，是面向Agent定制的弹性计算平台DSec，即 DeepSeek Elastic Compute。该平台已在不久前发布的 DeepSeek-V4 技术报告中首次公开披露。
按论文描述，DSec由3个Rust组件构成，分别是API网关 Apiserver、部署在每台宿主机上的 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。
招聘信息也披露了后续工程扩张方向。为了提升可靠性和效率，DSec需要修改整套系统栈，覆盖操作系统、虚拟机、各级网络和存储，以及应用层调度和管控面服务。
从岗位描述看，这一项目涉及不少此前缺少现成答案的问题。平台开发和维护方向需要同时参与需求理解、系统设计、开发和维护。底层系统方向则更强调调优和攻坚，岗位说明提出，若能把某些操作系统组件的性能压到SOTA，或直接逼近硬件极限，将是加分项。
招聘信息还写道，相关工作的结果会直接影响Agent模型训练的多样性和效率。文中给出的判断是，DeepSeek会做到SOTA并开源，因此受到影响的不只是未来的 DeepSeek Agent 基础设施，也会扩展到整个行业。
服务端岗位覆盖从研究到用户服务的完整链路
服务端开发工程师岗位下设6个方向，覆盖从模型研究到面向用户服务的整条链路，分别是：
- 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对这支团队的描述是，要足够贴近大模型研究前沿，做出的系统能立刻获得研究一线反馈；平台是否可靠、是否易用，会直接影响大模型研究效率，以及提升智能上限的速度。
其中，大模型研究平台方向的核心任务，是把研究流程抽象成平台能力。岗位要求工程师深入研究员一线工作场景，主动识别问题，而不是被动承接需求。目标则是缩短研究想法从提出、验证到迭代的周期。
Agent框架组件方向负责统一的Agent接入与运行框架建设。
研发效率基建方向覆盖统一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、运维自动化等内容，同时明确提出要探索Agent在自动诊断和RCA中的应用。
面向外部用户的两个方向直接服务 DeepSeek 产品。DeepSeek API方向需要处理超大规模API服务挑战，把前沿模型的科研成果通过稳定、高效的API提供给全球开发者和海量用户，并与内部推理框架共同演进。
线上服务方向则负责支撑日活达到数千万规模的大模型应用的架构设计与持续迭代。
数据工程方向服务于从模型训练到线上服务的全部环节，技术栈包括 Spark、Flink、Kafka、ClickHouse、Iceberg 等，要求候选人能够独立完成从埋点日志到业务指标的全链路数据建模。
把这些方向连起来看，DeepSeek正在搭建一条完整链路：模型在沙箱环境中执行任务，平台记录操作过程和结果，生成训练与评测数据，数据再被用于改进模型。
岗位画像强调主动发现问题和深度使用Agent
从招聘要求看，所有与研究相关的岗位都强调同一个标准：工程师需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，而不只是接收和交付需求。
招聘信息还用较长篇幅描述了理想候选人的特征。DeepSeek希望招到的工程师，本身已经在日常开发中深度使用Agent。
其中一项要求写道，候选人需「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」。另一项要求则是，当Agent给出有问题的方案时，工程师能够敏锐发现并及时介入。
按原文表述，在Agent时代，对特定语言、工具的使用经验，以及是否做过某一类项目的重要性都在下降。研发工作的重心正从「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」。
参考链接包括崔添翼在X上的发文，以及Moka招聘页面。本文署名信息显示，原文来自微信公众号「量子位」，作者为梦晨。