奔驰
Full Stack Developer
Full Stack Developer
发布于 6 个月前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
软件工程
微服务
知识图谱
AI智能体
GraphQL
AI 估算 · 25k–45k
全栈开发工程师，开发AI应用与Web系统，技术栈全面，薪资优越。
职位详情
关于这个职位
作为奔驰AI与数据价值团队的全栈开发工程师，你将负责设计和实现基于知识图谱的应用程序及AI智能体，助力公司向AI驱动型企业转型
主要工作包括开发端到端的Web应用和AI智能体，构建安全、可扩展的API，并创建直观的UI界面，以实现与知识图谱平台的无缝交互
最低要求
计算机科学、信息系统、工程、物理、数学等定量学科的学士或硕士学位，或同等的专业经验
年以上全栈工程师经验，具备从MVP到生产环境交付企业级Web应用的能力
精通 React/TypeScript、状态管理、组件库、无障碍设计
具备图/关系可视化经验者优先
精通 Python 和/或 Java、REST、微服务、API安全（OAuth2/OIDC）和异步处理
熟悉语义层上的 SPARQL/GraphQL
能够设计高效的查询模式，并为UI缓存/物化视图
熟悉 RDF 者优先
熟悉提示工程和AI工作流开发，以及常见框架（如 Langchain, Dify 等）
熟悉 CI/CD（GitHub Actions/Azure DevOps）、容器化（Docker/K8s）、可观测性（OpenTelemetry/Prometheus）和密钥管理
具备在企业安全要求下构建受治理应用程序（审计、版本控制、基于角色的权限）的经验
具备使用 GraphDB/Neo4j 工作台（或同等工具）和图可视化框架的经验
具备复杂数据关系的抽象思维和问题解决能力
流利的英语和中文
出色的沟通能力，能够清晰、结构化地向同事和管理层汇报发现
工作职责
交付端到端的Web应用程序和AI智能体，实现与知识图谱平台的无缝交互
开发安全、可扩展的API，用于知识图谱管理以及与多个奔驰系统的集成
为语义搜索、图可视化和工作流执行创建直观、响应式的UI
通过嵌入审计跟踪、验证反馈和奔驰安全标准，确保合规性和治理
通过CI/CD、可观测性和云就绪架构优化性能和可靠性
与架构师、数据工程师和业务利益相关者跨职能协作，使技术交付与业务目标保持一致
参与冲刺规划和架构评审
编写清晰的技术文档（架构图、部署指南）并为内部知识库做出贡献
探索新兴框架（例如，图可视化库、语义UI模式），并提出改进建议以提升用户体验和可维护性
优先资格
具备图/关系可视化经验
熟悉 RDF
AI 洞察
优缺点分析
优点
- 平台优势显著：在奔驰这样的全球顶级汽车品牌从事前沿的AI与知识图谱项目，技术视野和行业影响力大
- 技术栈前沿且复合：涉及全栈开发、图数据库、AI智能体（如Langchain）和云原生技术，技能积累全面且具有高市场价值
- 业务结合紧密：项目直接服务于企业AI转型战略，能深入理解汽车行业的业务逻辑和数据价值，避免纯技术脱离业务
- 技术复杂度高：需要同时掌握全栈开发、图数据技术和AI应用开发，学习曲线陡峭，对综合能力要求极高
- 企业级要求严格：开发需遵循严格的安全、合规和治理标准（如审计、权限控制），流程可能比互联网公司更规范但也更繁琐
缺点 / 挑战
- 跨团队协作压力：需要与架构师、数据工程师、业务方等多方紧密协作，对沟通和项目推进能力是较大考验
- 适合拥有扎实全栈开发经验，并对图数据、AI应用开发有浓厚兴趣，希望在大型企业复杂系统中挑战前沿技术落地的资深工程师
角色解读
- 技术路径上，可以从全栈开发专家，向AI应用架构师或知识图谱领域专家方向发展，深度结合业务解决复杂问题
- 职业路径上，有机会在奔驰这样的头部车企，从技术执行者成长为技术负责人，或转向AI产品、数据战略等交叉领域
- 你将负责开发端到端的Web应用和AI智能体，核心是围绕知识图谱平台构建交互界面和后台服务
- 工作内容包括设计并实现安全、可扩展的API，以连接知识图谱与公司内部多个业务系统
- 你需要创建用于语义搜索、图数据可视化及工作流执行的用户界面，并确保整个应用符合企业安全与合规标准
- 核心是全栈开发能力，必须精通前端（React/TypeScript）和后端（Python/Java）技术栈，并熟悉微服务、API安全（OAuth2/OIDC）等
- 需要具备图数据库和查询语言（如SPARQL/GraphQL）的相关知识，能够为复杂的数据关系设计高效的查询和展示方案
- 熟悉现代软件工程实践，包括CI/CD流水线、容器化（Docker/K8s）、应用可观测性以及在企业安全框架下构建受治理应用的经验
申请策略
- 深入了解奔驰在智能化、数字化转型方面的公开战略和成果，在面试中展现你对公司业务方向的理解和认同
- 准备用STAR法则清晰阐述1-2个最能体现你解决复杂技术问题、推动跨团队协作的成功项目案例
- 重点突出你主导或深度参与过的企业级Web应用全栈项目，详细说明技术栈、架构设计以及从开发到上线的完整流程
- 详细描述与图数据库（如Neo4j）、图查询（GraphQL/SPARQL）或数据可视化相关的项目经验，哪怕是小规模原型
- 强调你在项目中如何确保安全性、合规性（如权限控制、审计日志）以及通过CI/CD、容器化提升系统可靠性的实践经验
- 如果对图数据库不熟，可快速学习Neo4j或GraphDB的基础知识，并尝试用GraphQL构建一个简单的图数据查询API
- 提前了解AI智能体开发生态，如Langchain的基本概念和工作原理，并能阐述其如何与知识图谱结合
面试指南
- 对于技术问题，建议采用“场景-方案-结果”的结构：先说明业务背景和技术需求，再阐述你的技术选型、架构设计和具体实现，最后用性能指标、稳定性或业务价值等量化结果收尾
- 对于经验类问题，使用STAR法则（情境、任务、行动、结果）来组织答案，确保逻辑清晰、重点突出，并主动关联到职位所需的核心能力上
- 请描述一个你从头到尾负责的全栈项目，遇到了哪些技术挑战，你是如何解决的？
- 你如何设计一个安全、高性能的API来服务前端并对接图数据库？需要考虑哪些方面？
- 请谈谈你对知识图谱在业务中应用价值的理解，以及你之前相关的项目经验
- 在开发需要严格合规（如审计日志、权限控制）的企业应用时，你通常如何设计和实现这些功能？
- 你如何评估和引入一个新的技术框架或库（如图可视化库）到项目中？
- 技术知识：系统复习React/TypeScript、Python/Java后端开发、微服务、API安全、Docker/K8s等核心技术点，并准备1-2个深度技术方案设计的案例
职位点评
Watch Jobs