中国平安
后端开发工程师（AI方向）
后端开发工程师（AI方向）
发布于 大约 14 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
RAG
CI/CD
大模型
AI 估算 · 20k–35k
平安大厂AI方向，中级经验，薪资有竞争力，市场水准中等偏上。
职位详情
关于这个职位
该职位负责AI驱动的研发平台需求分析、设计与开发，参与Harness、RAG等前沿AI项目，构建代码智能生成、智能审查等能力，并建设CI/CD、数据度量等研发效能工具
适合有Python基础、了解AI/ML、并希望在大厂深耕AI工程化方向的开发者
最低要求
本科及以上学历，计算机相关专业
大型科技公司,金融科技 AI 工程化落地经验优先
熟悉Python，能将python作为主要开发语言
有Java和Nodejs语言者可以加分，熟悉Postgresql、MySQL、索引优化、SQL调优等数据库相关技术
了解行业前沿AI发展，有Harness，HermasAgent等平台的深入研究经验者加分
熟悉Redis、MongoDB、kafka、RocketMQ等中间件应用，了解分布式缓存、消息队列、服务治理
能使用Maven、Git，有Docker/K8S容器化部署经验
了解AI/机器学习基础知识，有AI系统集成经验，能够将AI能力集成到业务系统中
有使用AI辅助开发工具经验者优先（如Cursor，ClaudeCode等）
有 AI 架构设计、AI 工程化体系搭建成功案例者优先，具备技术培训与知识输出能力者加分
能承受一定的工作压力，有责任心和上进心，学习能力好，沟通协作能力强，认同平安企业文化
工作职责
负责 AI 驱动的研发平台的需求分析、设计、开发与迭代，研效工具等，提升研发全流程效率
参与公司AI相关研发项目的研发，如Harness，RAG，VibeCode，ChatExcel等
基于大模型构建代码智能生成、智能代码审查、自动化用例生成、缺陷智能分析等能力
参与研发效能体系建设，包括 CI/CD 智能调度、研发数据度量、风险预警、质量门禁等工具开发
优先资格
大型科技公司、金融科技AI工程化落地经验优先
有Harness、HermasAgent等平台的深入研究经验者加分
有使用AI辅助开发工具经验优先（如Cursor，ClaudeCode等）
有AI架构设计、AI工程化体系搭建成功案例者优先，具备技术培训与知识输出能力者加分
AI 洞察
优缺点分析
- 平安作为金融科技巨头，平台大，资源丰富，职业稳定性高
- AI方向前沿性强，能接触Harness、RAG等最新技术，积累宝贵经验
- 研发效能领域有助于提升全栈思维和工程化能力
- 技术栈要求广泛，需要同时掌握后端、AI、容器化等多方面技能
- 金融科技对系统稳定性和安全性要求高，工作压力可能较大
- 需持续学习AI前沿动态，保持技术敏感度
- 适合有Python基础、对AI工程化充满热情、愿意在大平台深耕后端与AI结合技术的中级开发者
角色解读
- 深耕AI工程化方向，成为AI平台架构师或技术专家
- 向研发效能架构师或技术管理岗发展，带领团队推动技术革新
- 积累金融科技领域经验，可向AI产品经理或解决方案架构师转型
- 负责AI驱动研发平台的架构设计与开发，提升研发全流程效率
- 参与Harness、RAG等前沿AI项目的研发与落地
- 基于大模型构建代码智能生成、智能审查、自动化用例生成等工具
- 建设CI/CD智能调度、数据度量、风险预警等研发效能体系
- 精通Python，熟悉Java/Nodejs更佳，掌握PostgreSQL/MySQL及SQL调优
- 熟悉Redis、Kafka等中间件，有Docker/K8S容器化部署经验
- 了解AI/机器学习基础，具备AI系统集成经验
- 熟悉Git、Maven等工具，有研发效能平台建设经验者优先
申请策略
- 在简历中体现对AI辅助开发工具（如Cursor）的使用经验
- 面试前了解平安的金融科技业务和AI战略方向
- 突出Python开发经验，尤其是后端系统设计和性能优化案例
- 强调AI相关项目经历，如大模型集成、RAG、代码生成等
- 展示容器化部署经验（Docker/K8S）和中间件使用（Redis、Kafka）
- 如有金融科技或大型项目经验务必重点提及
- 提前学习大模型基础及RAG技术，熟悉Harness等工具
- 补充CI/CD工具链知识（Jenkins、GitLab CI等）
面试指南
- 针对项目经验问题：采用STAR法则（情境-任务-行动-结果），突出技术选型、难点解决和最终效果
- 对于技术原理问题：先概述核心概念，再结合自己的实践经验说明，展示深度理解
- 对于优化类问题：先分析问题场景，再提出多种方案并比较优劣，体现系统性思考
- 请介绍一个你参与过的AI工程化项目，你是如何设计系统架构的？
- 谈谈你对RAG的理解及其在金融场景中的应用
- 如何优化高并发场景下的数据库查询？请举例
- 你如何使用Docker/K8S实现服务的容器化部署？
- 你对大模型代码生成工具（如Copilot）的底层原理了解多少？
匹配度报告
71
综合匹配度
大厂AI方向，技术前沿，薪资优，WLB一般。
适合人群
最适合追求技术成长和职业发展的开发者，对WLB要求不极端且能接受一定压力。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展85
工作生活60
使命价值70
薪资福利匹配
70中等
薪资未在JD中明确，但平安作为上市公司大厂，薪资福利处于市场中上水平，整体竞争力较好。
薪资信号未披露 (20K-35K/月)
成长发展匹配
85较高
职位涉及AI前沿技术和大规模平台建设，技术成长空间大，但JD未明确提及培训或晋升路径。
技术前沿前沿/新兴技术
技术栈Python、大模型、Harness、RAG、AI、Kubernetes、Docker、PostgreSQL、Redis、Kafka、CI/CD
业务类型cost_center
工作生活匹配
60中等
未提及远程或弹性办公，深圳办公室，工作模式为现场办公，WLB依赖团队文化，加班情况不明。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
金融科技AI方向属于高速增长赛道，对行业效率提升有积极作用，社会影响力中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs