腾讯
AI前线部署工程师FDE
AI前线部署工程师FDE
发布于 大约 14 小时前普通员工/个人贡献者
武汉市
中级经验
全职员工
仅现场办公
本科
RAG
大模型
LlamaIndex
Prompt Engineering
Ai Coding
AI 估算 · 20k–35k
腾讯武汉AI岗，中级经验要求，结合市场薪酬和城市差异，月薪在20-35K间合理，年终奖通常3-5月，总包可观。
职位详情
关于这个职位
这是一个在腾讯武汉的AI前线部署工程师岗位，专注于将AI解决方案落地到客户场景
你将负责从需求分析、技术选型到端到端交付AI Agent和RAG应用，并用开发提效工具推动AI工具融入生产流程
适合有3年以上ToB经验、熟悉大模型和主流AI框架的开发者
最低要求
本科及以上，计算机/AI/数学/物理等工程相关专业，3年以上ToB项目交付/客户支撑经验，2年以上大模型（LLM/Agent）深度应用经验，特别优秀者可放宽年限
独立开发过至少2个完整的AI Agent应用（熟悉ReAct/Plan-and-Execute等Agent架构），独立构建过至少1个生产级RAG知识库系统
精通Python，精通LangChain/LlamaIndex/Dify等主流AI开发框架，熟悉Agent编排和Skills
熟悉大模型API调用、Prompt工程、模型微调、效果评估与选型策略
熟悉Docker/K8s、向量数据库（Milvus/ES等）、公有云平台（腾讯云优先）
深入使用国内外的 AI coding工具，深刻理解架构原理和上下文管理
面对模糊的现实问题能迅速拆解并提炼MVP，具备端到端Own项目结果的主人翁意识，能与非技术高管讨论ROI也能与研发团队深入对齐技术方案
此岗位为腾讯集团旗下子公司编制岗位
工作职责
深入行业场景，将模糊需求拆解为可执行的技术路线图，主导需求分析、技术选型、架构设计，输出可落地的AI解决方案
主导Agent开发/AI Coding等AI类产品端到端交付
进行Prompt优化、RAG链路调优、模型微调与效果评测，将客户痛点提炼为产品需求，驱动迭代并沉淀场景化最佳实践
开发提效工具和智能体，开展客户与内部技术培训和运营推广，把AI工具嵌入到生产工作流，产生可量化的ROI
AI 洞察
优缺点分析
优点
- 腾讯平台提供丰富的AI资源和行业影响力，项目落地机会多
- 岗位涉及最前沿的大模型和Agent技术，技能积累快
- 武汉生活成本较低，相比一线城市有更好的薪资性价比
- 子公司编制，福利和晋升路径可能与腾讯主体略有差异
- 技术要求全面，需要持续跟进AI领域快速迭代的知识
- 适合有较强技术实力、喜欢解决复杂问题、愿意在AI服务落地领域深耕的开发者，尤其适合希望扎根武汉的技术人才
缺点 / 挑战
- ToB项目交付压力大，需要同时应对客户需求和内部技术对齐
角色解读
- 技术方向：从应用部署向AI架构师或大模型专家发展
- 管理方向：可晋升为技术团队Leader，带领AI解决方案团队
- 业务方向：深入行业后转为AI产品经理或行业解决方案专家
- 将客户模糊的业务需求转化为具体的技术方案，包括需求分析、技术选型和架构设计
- 负责AI Agent和RAG应用的端到端开发与交付，涉及Prompt优化、模型微调和效果评估
- 开发提效工具和智能体，培训客户和内部团队，推动AI工具融入实际生产流程并量化ROI
- 深入掌握大模型（LLM/Agent）应用开发，独立完成过多个Agent和RAG项目
- 精通Python和主流AI框架（LangChain、LlamaIndex、Dify等），熟悉Docker/K8s和向量数据库
- 具备良好的技术沟通能力，能同时与业务高管和研发团队有效协作
申请策略
- 在面试中充分展示你对AI工具（如GitHub Copilot、Cursor等）的深入理解和使用心得
- 提前了解腾讯在AI行业（如金融、医疗、制造）的场景案例，思考如何落地
- 突出独立开发的Agent和RAG项目细节，包括架构设计、效果指标和业务价值
- 强调使用LangChain、LlamaIndex等框架的实战经验，以及Python/Docker等基础能力
- 展示与非技术高管沟通ROI、与技术团队对齐方案的能力案例
- 深入掌握Agent编排（ReAct、Plan-and-Execute）和RAG优化策略
- 加强公有云平台（尤其是腾讯云）和向量数据库的使用经验
- 练习拆解模糊需求、设计MVP方案的能力
面试指南
- 使用STAR法则：情境、任务、行动、结果，清晰展示项目背景和个人贡献
- 技术问题先阐述核心原理，再结合具体实践案例，最后总结优化思路
- 对于模糊需求，先强调需求澄清和优先级排序，再说明MVP设计方法
- 请描述你独立开发的一个AI Agent应用，包括架构选择和遇到的挑战
- 如何优化RAG系统的检索准确率和响应速度？请举例说明
- 当客户提出模糊需求时，你如何一步步拆解并确定MVP方案？
- 解释一下你常用的Prompt工程技巧，如何评估模型效果？
- 你对当前的AI Coding工具有什么看法？它们的架构原理是怎样的？
匹配度报告
74
综合匹配度
腾讯武汉AI岗，前沿技术栈，薪资优厚，但需现场办公且工作强度未明确。
适合人群
最适`合追求技术快速成长、热衷AI前沿实践的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利匹配
75中等
腾讯虽然薪资竞争力强，但子公司编制可能带来一定差异，且未在JD中明确福利，补偿性中等偏上。
薪资信号偏高 (20K-35K/月)
成长发展匹配
90较高
岗位聚焦大模型、Agent等前沿技术，项目实战机会多，技能成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、LangChain、LlamaIndex、Dify、Prompt Engineering、Docker、K8s
业务类型profit_center
工作生活匹配
60中等
仅现场办公，未提及弹性工作或远程，武汉科技园位置一般，工作强度未说明，生活便捷性中等。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
腾讯‘科技向善’理念体现一定社会价值，AI赋能有正向意义，但主要仍以商业交付为导向。
行业发展高速增长赛道
社会影响中性/一般
使命信号用户为本，科技向善
创新程度积极采用新技术
Watch Jobs