沐瞳科技
校招【2027届秋招】AI 应用开发工程师（游戏性能与研发效能方向）
上海 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 计算机、软件工程、人工智能等相关专业，本科及以上学历。
- 具备良好的 Python 以及 C++、C# 中至少一种语言的编程和系统集成能力。
- 熟悉游戏研发流程和 Unity、Unreal 等主流游戏引擎，有实际游戏开发经历。
- 有 Agent、LLM 应用或研发效能工具实践，理解 Prompt、Tool Calling、RAG 等技术。
- 熟练使用 Codex、Claude Code 等 AI 编程工具，能够独立完成原型或工具开发。
- 具备问题抽象、数据验证和跨策划、美术、程序、QA 协作能力，对游戏性能优化有浓厚兴趣。
- 加分项
- - 有 AI 应用、代码分析或研发工具相关项目、实习或竞赛经历。
- - 接触过 Spark、Presto/Trino、ClickHouse 等数据工具，或有大规模日志分析经验。
- - 了解 Android、iOS 移动端开发，有完整游戏项目或 Game Jam 经历。
- - 使用过 Unity Profiler、Memory Profiler、Perfetto、Simpleperf 等性能工具。
- - 有大规模日志分析经验，或在 GC、内存、渲染、资源、帧率、功耗等方向有实践。
- 你将获得
- - 参与大型移动游戏从研发提交、自动测试到线上运行的完整性能链路。
- - 将 AI 从原型落地到生产流程，学习工具、评测和工程闭环建设。
- - 在导师指导下参与真实问题定位与优化，建立游戏客户端、数据和 AI 应用的交叉能力。
- - 面向明确业务结果工作：更早发现回归、更快定位根因，并取得可量化的优化收益。
岗位描述
面向大型移动游戏，建设 AI 驱动的性能工程体系。你将把大模型、Agent、数据分析和工程工具接入游戏研发流程，围绕内存、卡顿、功耗建立“提前发现回归—快速定位根因—持续挖掘优化机会”的闭环。
岗位不以模型训练或性能报表为主：一方面通过自动化防守降低高频版本的性能回归风险，另一方面从线上数据、调用堆栈、代码和资源中挖掘优化机会。
岗位职责
- 1. 参与游戏性能分析平台建设，将 RAG、Agent、Tool Calling 等能力接入代码、性能数据、测试任务和研发知识库。
- 2. 建设提交、每日巡检、版本准入和线上灰度等性能防线，实现风险识别、测试推荐、异常检测、回归归因和告警自动化。
- 3. 分析性能指标、Profiler、调用堆栈、日志和版本变更，辅助定位代码、资源、配置、SDK 或引擎问题。
- 4. 从线上数据和历史案例中挖掘高收益优化点，围绕 GC、资源生命周期、渲染、脚本和线程耗时开展实验与收益验证。
- 5. 建设可评估、可观测、可回溯的 AI 工作流，并将分析经验沉淀为规则、工具和知识。
- 6. 与客户端、引擎、测试、数据及业务团队协作，推动分析结论落地和同类经验复用。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 数据 岗位的常见面试问题整理
请解释数据仓库的星型模型和雪花模型的区别
查看答题思路
1. 星型：事实表在中间，维度表直接关联，维度表非规范化（有冗余） 2. 雪花：维度表进一步规范化，减少冗余但增加 join 次数 3. 选择：星型查询快（join 少），雪花存储省，一般生产用星型更多
如何设计一个埋点体系来追踪用户行为
查看答题思路
1. 确定业务目标：留存/转化/活跃 2. 定义事件：页面浏览/点击/曝光/转化，每个事件带属性 3. 技术栈：前端 SDK 上报 → Kafka → Flink 实时清洗 → ClickHouse/Hive 存储 4. 数据分层：ODS（原始）→ DWD（明细）→ DWS（汇总）→ ADS（应用） 5. 质量：埋点测试 + 数据校验 + 异常告警
SQL：有一个用户登录表 user_login(user_id, login_date)，查询连续登录超过 7 天的用户
查看答题思路
1. 思路：用 login_date 减去排名序号（ROW_NUMBER），同组连续日期差值相同 2. 关键 SQL：SELECT user_id, login_date-ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY login_date) AS grp 3. GROUP BY user_id, grp HAVING COUNT(*) >= 7 4. 强调：理解窗口函数和连续性问题的一般解法
你做过最有价值的数据分析项目是什么
查看答题思路
1. 业务背景：分析什么、为什么重要 2. 数据来源和量级 3. 分析方法：用了什么模型/统计方法 4. 核心发现：一句话说清洞察 5. 业务影响：做了什么决策、带来了什么改变（用数字）
解释 A/B 测试的原理和常见陷阱
查看答题思路
1. 原理：分流用户到对照组和实验组，对比核心指标差异 2. 统计基础：假设检验，p<0.05 表示差异显著 3. 陷阱：样本量不足、运行时间太短（未覆盖周期波动）、多重比较（同时做多组 A/B 需修正显著性水平） 4. 指标选择：北极星指标优先，避免虚荣指标
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。