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 1 天前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
RAG
AI Agent
Spring cloud
RocketMQ
AI 估算 · 20k–40k
AI+后端复合技能稀缺，平安大厂且金融科技方向薪资有竞争力，中级岗位中位数约30k/月。
职位详情
关于这个职位
作为后端开发工程师（AI方向），您将加入中国平安，参与AI智能体产品研发，运用Spring Boot、Spring Cloud等主流技术栈构建分布式系统，并结合AI辅助开发工具和LLM模型提升效率
该职位融合传统后端与前沿AI技术，适合追求技术深度与广度、希望在金融科技领域深耕的开发者
最低要求
本科及以上学历，计算机相关专业，有互联网金融经验者优先
熟悉Java 8及Spring Boot、Spring Cloud微服务开源框架，了解常用的设计模式，理解JVM原理和并发编程
熟悉MySQL、索引优化、SQL调优，了解数据库分库分表策略
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容器化部署经验
有高并发、高可用分布式系统设计经验优先
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GitHub Copilot、Cursor等）
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
参与后端开发、单元测试及模块优化工作，保障系统稳定高效运行
基于Spring Boot、Spring Cloud技术栈，结合Oracle、PG、TiDB等数据库及Redis、MQ中间件，独立完成分布式系统需求落地与编码开发，确保代码规范可复用
运用Claude Code、AI智能体等工具处理日常编码工作，结合RAG技术及DeepSeek、Qwen等模型提升开发效率
参与AI智能体产品研发，使用LangChain、LangGraph、Deep Agents实现AI智能体相关功能开发，了解Higress等AI网关接入方法，独立完成模型微调、训练及验证基础工作，具备较强自主学习能力
主动关注后端及AI开发领域新技术，积极钻研并落地应用于工作中，独立排查常规技术问题，保障开发进度有序推进
配合产品、测试及前端团队完成接口联调与需求沟通，独立撰写、完善相关技术文档，确保文档规范清晰、可追溯
优先资格
有互联网金融经验者优先
有高并发、高可用分布式系统设计经验优先
有使用AI辅助开发工具经验者优先（如GitHub Copilot、Cursor等）
AI 洞察
优缺点分析
- 平台优势明显：平安是跨国金融巨头，品牌背书强，项目资源丰富，有利于积累行业经验
- 技术栈前沿：融合传统后端与AI技术，学习机会多，可掌握LangChain、RAG等热门技能，提升市场竞争力
- 薪资福利优厚：大厂待遇，年终奖金丰厚，职业稳定性高
- 工作强度较大：互联网+金融节奏快，可能面临加班，需要较强的抗压能力
- 技术复杂度高：需要同时精通后端架构和AI工具链，对学习能力要求较高，上手压力大
- 跨部门协作频繁：与产品、前端、测试等多团队配合，沟通成本较高
- 适合有一定后端经验、对AI技术充满热情、渴望在大型平台中快速成长，且能承受一定工作压力的开发者
角色解读
- 技术深度上可向AI算法专家或分布式系统架构师发展，成为兼具后端与AI能力的复合型人才
- 业务广度上可在金融科技领域深耕，从开发到架构再到技术管理，晋升为技术经理或AI产品负责人
- 平安内部培训体系完善，有机会接触集团级核心项目和前沿AI技术，加速职业成长
- 负责后端分布式系统的开发与优化，使用Spring Boot/Cloud技术栈及多种数据库和中间件，确保系统稳定高效
- 运用Claude Code、AI智能体等工具结合RAG技术和DeepSeek、Qwen等大模型提升编码效率，参与AI智能体产品研发
- 利用LangChain、LangGraph等框架实现AI智能体功能，并完成模型微调、训练与验证，将AI能力集成到业务系统中
- 与产品、测试、前端团队协作联调，并撰写技术文档，推动项目有序进行
- 扎实的Java编程基础，精通Spring Boot/Cloud微服务框架，熟悉JVM、并发编程和设计模式
- 熟练使用MySQL、Redis、Kafka、RocketMQ等数据库和中间件，具备分布式系统设计经验
- 具备AI/机器学习基础知识，有AI系统集成经验，熟悉LLM相关工具链（LangChain、RAG等）
- 掌握Docker容器化部署，并能使用AI辅助开发工具（如GitHub Copilot）提升效率
申请策略
- 提前了解平安旗下金融科技产品（如平安好医生、陆金所），思考后端与AI的结合点
- 在简历中量化项目成果（如“系统QPS提升50%”、“接口响应时间降低30%”），增强说服力
- 突出Java微服务项目经验，尤其是Spring Cloud分布式系统设计、高并发优化案例
- 强调AI集成或LLM应用经历，例如使用LangChain构建的智能体或RAG系统的项目
- 展示对新技术的学习热情，如独立研究AI辅助开发工具、参与开源项目等
- 如果有金融行业背景，务必体现，这属于优先资质
- 如果对LangChain、RAG不够熟悉，建议通过课程或小项目快速上手
- 复习MySQL索引优化、分布式事务、消息队列等后端核心知识，准备系统设计面试
面试指南
- 对于技术问题，采用STAR法则（情境-任务-行动-结果），突出个人贡献和量化成果
- 对于AI相关问题，先简述原理（如RAG=检索+生成），再结合实践案例，展示从学习到落地的过程
- 对于文化/压力问题，表达积极态度，强调自身抗压能力和对金融科技的兴趣，避免抱怨
- 请介绍一个你使用Spring Cloud构建分布式系统的项目，遇到了哪些挑战？
- 如何优化MySQL慢查询？请举例说明
- 你对RAG技术了解多少？在实际项目中如何应用？
- 用过哪些AI辅助开发工具？它们如何提升你的效率？
- 如何看待平安的企业文化？你如何适应工作压力？
匹配度报告
71
综合匹配度
大厂AI+后端岗位，前沿技术栈、薪资优厚，但工作强度和加班较多。
适合人群
最适合发展导向型求职者，追求技术成长和职业前景，对WLB要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活50
使命价值60
薪资福利匹配
85较高
平安作为上市大厂，薪资福利在行业中处于较高水平，稳定性强，能较好满足补偿性动机。
薪资信号偏高 (20K-40K/月)
成长发展匹配
90较高
职位涉及AI+后端前沿技术栈（LangChain、RAG、大模型微调），学习资源丰富，成长路径清晰，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈Spring Cloud、LangChain、RAG、DeepSeek、Qwen、AI Agent
业务类型ambiguous
工作生活匹配
50较低
职位要求现场办公且未提弹性工作制，平安企业文化强调奋斗，WLB一般，生活化动机满足有限。
工作模式仅现场办公
办公地点未明确
加班情况JD含高强度暗示词
使命价值匹配
60中等
金融科技行业稳定增长，但社会影响力中性，意义感动机有一定满足但不突出。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs