深圳招聘手记：不招调包侠，我们要造能"懂人"的 AI 记忆体
最近深圳有个名为 Spiro 的团队在圈子里引起了不小的讨论，他们在招人，但招聘 JD 写得相当"刺眼"——甚至可以说是对目前市面上某些"简历工程师"的公开处刑。
作为一个深耕技术圈的博主，我觉得这份 JD 比大多数大厂的模版更有嚼头。它不仅是一家做 AI 硬件（手链+APP）的创业公司在招兵买马，更是一份关于"如何真正落地 LLM 应用"的实战指南。今天我们就抛开那些客套话，来拆解一下这个岗位背后的技术风向和用人逻辑。
一、 他们在做什么？从"记录"到"认知"
Spiro 团队打造的 AI 记忆系统：全天候录音手链与生成事件卡的 APP 界面。
很多 AI 产品都在做 RAG（检索增强生成），本质上是在做一个更聪明的数据库。但 Spiro 的切入点很特别：他们在做一个 "AI 记忆系统"。
硬件端是全天候录音的手链，APP 端则是基于这些数据生成的「事件卡」和「信件」。注意，这里的关键词不是「总结发生了什么」，而是 「让用户感受到被看见」。
这就要求后端的算法模型不能只是提取关键信息，而是要构建一个多层级的认知模型。它需要像人认识朋友一样，渐进式地理解：你是谁、你经历过什么、你的行为习惯，甚至预测你未来可能面对的事。每一层记忆都必须可溯源、可演化。这不是简单的 Vector Search 能解决的，这是在模拟人类的认知过程。
二、 拒绝「调包侠」，他们到底想要谁？
团队要求开发者不仅是 API 调用者，更要是 AI 编程工具（如 Claude Code / Cursor）的重度用户和驾驭者。
这份招聘最狠的一点在于直接划走了两类人：
- 只会调 OpenAI API 的。
- 离了 LangChain / Dify / Coze 就写不出代码的。
他们要的是能独立搭后端服务的 LLM 应用开发经验者。为什么会有这个要求？因为工程化的坑，框架往往掩盖不住。真正的战斗发生在 Prompt Engineering、Context Engineering 和 Memory Design 这些细节里。
特别值得注意的是对「AI Coding」的硬性要求。
团队明确表示：必须是 Claude Code / Codex / Cursor 的重度用户。但这不仅仅是说你会用，而是你得清楚 「AI 帮了你什么，又没帮上什么」。
这是一个非常敏锐的筛选标准。现在很多人沉迷于「Vibe Coding」（凭感觉编程），遇到报文就懵了。而 Spiro 需要的是那些把 AI 当作副驾驶，自己能把控方向盘，能判断 AI 生成代码质量的开发者。这种对工具驾驭能力的自信，往往比掌握某个具体的语言语法更重要。
此外，JD 里还提到了对「CC 泄露源码」的了解，以及对 Claude Agent SDK 的熟悉。这说明这个团队的技术栈非常前沿，甚至可能深入到了一些非公开的、极客圈的探索中。
三、 实习生进来要干的脏活累活
如果你以为进了团队就是去训练大模型，那就错了。JD 写得很诚实，你需要解决的是一个个具体的、甚至有点琐碎的算法落地问题：
- 音频清洗与结构化： 24小时录音里全是废话，你需要配合做 ASR 转录、声纹分离、语音质量评估。这是感知层的入口，脏活，但决定上限。
- 记忆链路调优： 怎么让 AI 从几万字的闲聊里，精准抽取出「这个人是谁」？这不是调参，这是在设计逻辑。
- 翻译工作： 把技术指标（比如声纹阈值 0.xx）翻译成产品语言（这对用户体验意味着什么）。这是最难的，很多技术人折在这里。
四、 给求职者的技术风向标
从这个招聘信息里，我们能提炼出几个给所有开发者的建议：
- 工程能力 > 框架熟练度： 框架是拿来用的，不是拿来崇拜的。面试官更想看你能不能不依赖框架手撕一个 Agent Workflow。
- 产品 Sense 是核心竞争力： 技术不难，难的是一直思考「这对用户意味着什么」。纯技术思维在未来只会 AI 编程的时代贬值最快，懂业务、懂人性的开发者才是稀缺资源。
- 拥抱 AI 辅助编程，但保持清醒： 展示你如何利用 AI 快速验证原型（1-2 天跑通 idea），而不是展示你多么依赖 AI。
结语
Spiro 团队（深圳十镜科技）坐标南山西丽，薪资 200-300/天，且对学历不设限（专本硕皆可），只要你技术过硬、脑洞够大。
如果你厌倦了在大厂做螺丝钉，或者对「让 AI 理解人类」这件事有着近乎偏执的热情，这绝对是一个值得一试的地方。毕竟，能用 20 亿 Token 的预算去造一个具备「记忆」的灵魂，这种机会并不多见。
有意向的同学，记得准备好你的 GitHub 和项目链接（别只放个简历），直接发邮件过去。简历上如果全是 AI 生成的水文，大概率会被直接 Pass，这点在他们 JD 里已经暗示得很明显了。
评论已关闭