字节跳动
AI全栈开发工程师-互联网保险
AI全栈开发工程师-互联网保险
发布于 大约 14 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
RAG
NoSQL
AI Agent
保险科技
大模型 (Llm)
AI 估算 · 20k–35k
一线大厂AI岗位，复合技术要求高，薪资处于市场高位，结合经验年限1-3年估算。
职位详情
关于这个职位
该职位是字节跳动互联网保险业务下的AI全栈开发工程师，主要负责将AI能力（大模型、Agent、RAG等）落地到保险核心场景，如智能核保、理赔风控、用户意图识别等
你将参与从需求分析到模型训练/推理的全流程，同时承担系统稳定性建设
适合有1年以上经验、热爱AI工程化并希望深入金融保险领域的开发者
最低要求
本科及以上学历，计算机、通信、人工智能等相关专业，1年及以上开发工作经验
优秀的系统设计能力，熟练掌握MySQL、NoSQL、缓存、消息队列等常用Web组件原理与调优，具备全栈视角
深刻理解计算机原理，具备良好的数据结构和算法基础，有高并发服务设计与实现经验者优先
熟练掌握至少一种后端语言（Python、Java、Go、C++、PHP等），并有扎实的编程能力与代码能力
熟悉Python者优先
了解ES6、CSS3，熟悉React、Vue至少一种前端框架，能够独立完成AI能力的前端交互与展示
了解主流大模型（如GPT、Qwen、DeepSeek等）的API调用与微调思路，熟悉常见机器学习概念（分类、召回、排序等），有实际AI应用落地经验，或大数据量下的数据处理、系统/服务稳定性建设、资产损失防控经验，以及保险/金融领域AI落地经验者优先
积极乐观，责任心强，工作认真细致，具备良好的团队沟通与协作能力
热爱技术，学习能力强，能持续关注并实践AI领域最新技术
工作职责
负责互联网保险（退运险、车险、场景险）业务系统的AI全栈开发，参与从需求分析、系统设计到模型训练/推理落地的完整闭环，推动AI能力在智能核保、理赔风控、用户意图识别等场景的实际应用
结合大模型（LLM）与经典机器学习方法，设计并实现保险业务中的AI Agent、RAG、知识问答等能力，提升保险服务的自动化与智能化水平
参与保险系统的稳定性建设与资产损失防控，保障AI服务在高并发、高可用场景下的鲁棒性与可观测性
持续沉淀AI工程化与保险行业经验，跟踪前沿AI技术，与业务共同成长
优先资格
加分项：
有AI工程化（如LangChain、向量数据库、Prompt工程）实践者加分
有服务治理、稳定性提升、容量规划等高可用、高并发、分布式系统经验者加分
AI 洞察
优缺点分析
优点
- 字节跳动大平台，技术氛围浓厚，能接触最新AI技术和大规模业务场景
- 互联网保险业务处于高速增长期，个人成长空间大
- 薪资福利具有竞争力，股票期权等激励
- 互联网大厂加班文化常见，需要较强抗压能力
缺点 / 挑战
- AI全栈要求较高，需要同时掌握前后端、机器学习、大模型等多领域技能
- 保险业务复杂度高，风控和稳定性要求严格，工作压力较大
- 适合有一定开发经验、对AI落地充满热情、愿意深入金融科技领域并接受挑战的技术人员
角色解读
- 深入AI工程化方向，成为AI领域的全栈专家
- 积累保险行业经验，向AI产品架构或技术管理方向发展
- 紧跟LLM/AI Agent前沿技术，持续提升技术影响力
- 负责保险业务系统的AI全栈开发，包括需求分析、系统设计、模型训练与推理落地
- 利用大模型和传统机器学习方法，构建AI Agent、RAG、知识问答等智能能力
- 参与系统稳定性建设，保障高并发场景下的AI服务鲁棒性
- 熟练掌握至少一种后端语言（Python优先），具备全栈开发能力
- 熟悉大模型API调用与微调，了解机器学习基本概念
- 熟悉MySQL、NoSQL、缓存、消息队列等中间件，有高并发经验优先
- 了解React或Vue前端框架，能独立完成AI交互展示
申请策略
- 面试前准备一个完整的AI落地项目介绍，突出从业务需求到技术实现的闭环
- 了解字节跳动保险业务（如退运险、车险）的行业背景，思考AI能如何优化
- 突出全栈项目经验，尤其后端开发与AI相关实践
- 强调高并发系统设计或稳定性建设案例
- 展示大模型应用（如RAG、Agent）或机器学习项目成果
- 深入学习LangChain、向量数据库等AI工程化工具
- 加强前端React/Vue技能，能独立搭建AI交互界面
- 熟悉保险或金融领域知识，理解业务场景
面试指南
- 用STAR法则描述项目：情境、任务、行动、结果，突出技术难点和解决思路
- 从系统架构角度回答高并发问题：负载均衡、缓存、异步处理、熔断降级等
- 结合保险业务举例，展示对场景的理解和AI落地的可行性
- 请介绍一个你曾参与的AI全栈项目，包括技术选型和遇到的问题
- 如何设计一个高并发的AI推理服务？
- 对于大模型在保险场景的应用，你有哪些想法？
- 请解释RAG的原理及其在知识问答中的优势
- 如何保证AI服务在系统故障时的可用性？
匹配度报告
66
综合匹配度
大厂AI全栈岗位，前沿技术栈，薪资优厚，但工作强度大，适合奋斗型人才。
适合人群
最适合追求技术成长和职业发展的求职者，尤其是对AI和金融科技感兴趣的人。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活30
使命价值65
薪资福利匹配
80较高
字节跳动薪资福利在行业中处于顶尖水平，但JD未明确薪资数字，且大厂加班较多，稳定性中等。综合评分较高。
薪资信号未披露（AI估算：20K-35K/月）
成长发展匹配
90较高
岗位涉及前沿AI技术（LLM、Agent、RAG）和互联网保险业务，技术成长空间极大。JD中强调持续学习与业务共同成长，晋升机制虽未明确但大厂通常完善。
技术前沿前沿/新兴技术
技术栈LLM、AI Agent、RAG、LangChain、大模型微调
成长机会共同成长
业务类型profit_center
工作生活匹配
30较低
现场办公，北京，未提及弹性工作或远程，互联网大厂通常高强度，JD无WLB信号，生活化动机满足度低。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
65中等
互联网保险属于高速增长赛道，AI赋能保险有一定社会价值（如提升理赔效率），但整体社会影响力中性。
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