Đọc tin tuyển FDE của Arize AI: mỗi yêu cầu cần một bằng chứng

Bạn mở tin tuyển Forward Deployed Engineer của Arize AI và thấy một danh sách quen thuộc: Python, Kubernetes, Generative AI, kỹ năng giao tiếp. Rất dễ lướt qua, thấy mình “khớp khoảng bảy phần” rồi bấm nộp.

Thực ra mỗi dòng trong tin là một việc bạn sẽ phải làm ở chỗ khách hàng, và vào vòng phỏng vấn, người ta sẽ hỏi bạn đã làm việc đó ở đâu.

Bài này rèn cho bạn một kỹ năng: đọc tin tuyển như đọc bản đặc tả. Bạn dịch từng yêu cầu thành một tình huống thật, rồi chuẩn bị sẵn một bằng chứng cho tình huống đó. Ai từng nhận requirement mơ hồ từ khách đều quen cách làm này, và cũng chính cách làm ấy sẽ được dùng hằng ngày khi bạn đã thành FDE.

Arize là ví dụ dễ học. Công ty tự mô tả mình là nền tảng observability và evaluation cho AI và agent. Như vậy khách của họ thường đã có một ứng dụng AI đang chạy, và FDE được cử đến để giúp họ nhìn vào bên trong ứng dụng đó.

Tin tuyển này thực ra đang hỏi gì?

Bắt đầu từ con số. Tin yêu cầu 2–5 năm viết phần mềm thực chiến với nền tảng kỹ thuật vững, tức là vị trí mid-level. Người tuyển không chờ bạn có kinh nghiệm dẫn dắt cả đội, nhưng cũng không định dạy bạn từ đầu.

Dòng tiếp theo nặng ký hơn: kinh nghiệm phát triển, triển khai và liên tục cải tiến ứng dụng Generative AI trong môi trường production. Từ quan trọng là “production”. Một notebook gọi API của mô hình chưa đủ. Họ cần người từng vận hành thứ mà người dùng thật dựa vào, với tất cả những lần nó hỏng.

Phần hạ tầng nói rõ cloud công cộng cùng Docker và Kubernetes. Lý do rất thực tế: FDE triển khai vào môi trường của khách, chứ không phải môi trường mình thích. Về ngôn ngữ, stack của Arize là Python, Java và TypeScript, và bản tin cho vùng EMEA ghi rõ ứng viên cần thoải mái với ít nhất hai trong ba.

Ba dòng còn lại hay bị coi là phần phụ, dù tin ghi chúng là yêu cầu chính thức. Thứ nhất là giao tiếp tốt với cả kỹ sư lẫn phía kinh doanh. Thứ hai là quản lý được nhiều dự án kỹ thuật cho khách cùng một lúc. Thứ ba là góp phần định nghĩa best practice, playbook kỹ thuật và phương pháp triển khai cho cả đội.

Một ngày ở chỗ khách trông như thế nào?

Thử hình dung một khách hàng giả định: một công ty bảo hiểm có agent hỗ trợ khách hàng viết bằng TypeScript. Agent gọi backend Java, còn đội data science của họ viết eval bằng Python.

Muốn gắn tracing vào luồng này, bạn phải đọc và sửa được ít nhất hai trong ba codebase. Yêu cầu “hai trong ba ngôn ngữ” vì thế mô tả đúng công việc, không phải đòi hỏi cho vui.

Khách phàn nàn rằng agent thỉnh thoảng trả lời sai điều khoản hợp đồng. Đây là lúc sản phẩm vào cuộc. Phoenix, công cụ mã nguồn mở của Arize, hỗ trợ tracing, evaluation và chạy thử nghiệm cho agent; theo lời Arize, nó cho thấy từng bước agent thực hiện để bạn biết chỗ nào sai.

Phoenix hỗ trợ OpenTelemetry nguyên bản, nên span bạn gắn vào code TypeScript và Java có thể đi chung một chuẩn.

Giả sử trace cho thấy bước truy xuất tài liệu trả về bản hợp đồng cũ, còn mô hình thì làm đúng phần việc của nó. Về kỹ thuật, bạn đã tìm ra lỗi.

Nhưng việc chưa xong: bạn còn phải giải thích cho trưởng nhóm sản phẩm, người không đọc trace, vì sao lỗi nằm ở dữ liệu chứ không ở mô hình, và cách sửa nào tốn ít công nhất.

Cùng tuần đó, bạn còn hai khách khác đang chờ, vì FDE ở Arize chạy nhiều dự án song song. Khi gặp cùng một lỗi lần thứ hai, bạn ghi nó vào playbook để đồng nghiệp không phải dò lại từ đầu. Chỉ một tình huống mà đã chạm tới gần hết các dòng trong tin tuyển.

Dựng bằng chứng cho từng dòng yêu cầu

Cách chuẩn bị hiệu quả nhất là một dự án duy nhất nhưng trả lời được nhiều yêu cầu cùng lúc. Hãy viết một agent nhỏ, ví dụ trả lời câu hỏi trên bộ tài liệu công khai, với phần lõi bằng Python và một giao diện hoặc API bằng TypeScript.

Gắn tracing qua Phoenix bằng OpenTelemetry, rồi cố ý tạo ra một lỗi truy xuất để luyện cách tìm nó trong trace.

Tiếp theo, đóng gói bằng Docker và chạy trên một cluster Kubernetes cục bộ, sau đó thử đẩy lên một cloud công cộng. Viết một bộ eval nhỏ, chạy lại sau mỗi lần sửa, và ghi lại điểm số trước và sau. Như vậy câu chuyện “production” của bạn có số liệu, không chỉ có lời kể.

Phần nhiều người bỏ qua là README. Hãy viết hai lớp: lớp đầu cho người kinh doanh, ba câu nói vấn đề, ảnh hưởng và kết quả; lớp sau cho kỹ sư, gồm kiến trúc, cách tái hiện lỗi và cách chạy eval. Thêm một mục “playbook” ngắn: nếu gặp lại triệu chứng này ở khách khác thì kiểm tra những gì, theo thứ tự nào.

Trên CV, một gạch đầu dòng tốt nêu đủ việc, công cụ và kết quả, chẳng hạn: “Gắn tracing OpenTelemetry cho agent Python/TypeScript, khoanh lỗi truy xuất bằng Phoenix, triển khai trên Kubernetes, theo dõi bằng bộ eval”. Mỗi cụm từ trong câu đó khớp với một dòng trong tin tuyển, và người lọc hồ sơ sẽ nhận ra.

Những lỗi khiến hồ sơ trượt

Lỗi phổ biến nhất là chỉ có demo. Một video agent chạy mượt trong ba phút không trả lời được yêu cầu “iterating in production”. Người phỏng vấn sẽ hỏi lần cuối nó hỏng là khi nào và bạn biết bằng cách nào.

Lỗi thứ hai là chỉ thạo một ngôn ngữ rồi hy vọng phần còn lại “học nhanh được”. Với yêu cầu ít nhất hai trong ba, bạn nên có code thật, dù nhỏ, ở ngôn ngữ thứ hai.

Lỗi thứ ba là coi giao tiếp là kỹ năng mềm để nói qua cho có. Nếu bạn không kể được một lần mình giải thích vấn đề kỹ thuật cho người kinh doanh, dòng yêu cầu đó coi như trống.

Lỗi cuối cùng nằm ngoài kỹ thuật: bỏ qua yêu cầu về địa điểm. Arize tuyển theo vùng và đòi ứng viên ở đúng khu vực: bản APJ đòi ở Singapore. Đọc kỹ dòng này trước khi đầu tư thời gian, vì nó không nằm trong những thứ bạn có thể luyện thêm.

Vị trí cho vùng East, trên Built In đặt tên là AI Solutions Engineer, đòi ứng viên sống ở khu vực New York dù công ty làm remote-first. Trang đăng ghi tin này đã bị gỡ ngày 1/10/2026, nên đừng coi nó là một vị trí FDE ở New York vẫn đang mở.

Tin East cũng là bản công bố lương: $155,000 - $190,000 một năm, gồm lương cơ bản và thưởng biến đổi, chưa tính equity. Bản APJ không nêu mức lương, nên con số này chỉ là mốc tham khảo cho vùng East khi bạn cân nhắc đàm phán.

Tin tuyển nào cũng là một bản đặc tả viết vội, và FDE giỏi là người biết hỏi lại bản đặc tả. Nếu bạn làm được điều đó với chính tin tuyển của mình, bạn đã cho người phỏng vấn thấy cách mình sẽ làm việc với khách hàng của họ.