这是微软 M365 Storage Fabric 团队的后端/分布式系统工程岗，负责支撑 M365 全球规模的存储基础设施与平台服务。

JD 在常规分布式系统能力之外，明确列出 AI 辅助工程工具使用经验与 AI 生成代码审核能力，说明团队已将 AI-native 开发实践纳入日常工程标准，而非停留在尝鲜层面。

平台本身是 M365 的核心底座，服务体量以亿级用户计，技术纵深和稳定性背书在工程圈内认可度高。

团队方向覆盖资源调度、服务健康、遥测自动化，属于长期投入的基础设施而非短期试点。

对希望在大规模系统上积累深度经验的工程师来说，这类岗位的成长曲线和履历含金量都比较扎实。

日常围绕分布式系统的功能设计、编码、部署与运维展开，包括构建遥测与自动化方案、排查线上问题、参与 live-site 恢复，以及与 M365 各合作团队对接端到端平台能力。

节奏偏工程交付驱动，需要独立推进 feature 从设计评审到上线的完整链路，同时持续跟进 AI 辅助工具在实际开发流程中的落地方式。

硬性门槛是计算机相关学位加两年以上 C/C++/C#/Java/JavaScript/Python 编码经验，preferred 则拉到三到五年。

JD 对 AI 工具的要求写得非常具体：不只是用过 Copilot，而是能在日常开发中有效协作，并对 AI 生成的代码、测试、文档做审核和修正。

分布式系统基础、调试能力和跨团队沟通同样是隐性硬门槛。

值得投，但只适合有分布式系统编码背景、能接受高强度工程交付节奏的资深开发。

如果你有五年以上后端或平台工程经验，且已在日常工作中使用 AI 辅助工具并有审核 AI 产出的实际习惯，这份 JD 的匹配度较高。

需要提醒，这是纯工程岗，不是运维支持，习惯 ticket 驱动的支持型工作节奏的人，谨慎评估。

你日常用 AI 写代码时，会逐行审核它生成的产出吗？