腾讯
腾讯云AI前线部署工程师FDE-(北京/上海)
腾讯云AI前线部署工程师FDE-(北京/上海)
发布于 大约 14 小时前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
本科
信息技术与基础设施
客户交付
RAG
AI部署
Prompt Engineering
腾讯云
MCP
AI 估算 · 25k–45k
腾讯AI岗位，技术门槛高，一线城市，薪资竞争力强，参考大厂P7水平。
职位详情
关于这个职位
作为腾讯云AI前线部署工程师，你将深入头部客户业务场景，主导WorkBuddy与CodeBuddy等AI解决方案的落地交付，包括场景适配、系统集成与效果调优
你需要结合大模型应用技术栈（如RAG、MCP、Prompt工程）为客户定制办公提效与研发效能提升方案，并持续优化交付资产
该职位要求扎实的编程基础与AI技术理解力，适合希望接触前沿AI落地实践的技术人才
最低要求
计算机科学、软件工程或相关专业本科及以上学历，3年以上经验，有云厂商 FDE/解决方案架构师/售前交付经验优先
熟练掌握Python/TypeScript/Java至少两门
精通大模型应用技术栈：上下文、RAG、MCP、SDD、Harness工程
熟悉友商技术架构，熟练使用AI工具/平台，对AI前沿技术保持关注
具备客户高管沟通与现场问题拆解能力，接受出差驻场
工作职责
面向头部客户深入业务场景，将需求转化为WorkBuddy/CodeBuddy可落地的AI解决方案，主导落地交付（场景适配、系统集成、效果调优、上线护航）
基于WorkBuddy的Skills与Connector生态，为客户定制办公提效、知识问答、内容生成等场景方案，打通飞书/企微/腾讯文档等办公链路
同时推动CodeBuddy融入客户IDE与CI/CD流程，提升研发效能
基于客户私有知识库与业务数据构建RAG问答能力，运用上下文工程与Prompt工程定制WorkBuddy Skills 与Agent编排方案，通过MCP打通客户内部系统（CRM/ERP/OA等），实现多Agent协同与跨系统互通
跟踪客户业务指标（交付周期缩短率、代码采纳率、办公效率提升等），持续调优方案确保价值可感知，并将一线经验沉淀为可复用的交付资产与行业方案模板，反哺产品竞争力提升
优先资格
有云厂商 FDE/解决方案架构师/售前交付经验优先
AI 洞察
优缺点分析
优点
- 腾讯大平台，AI方向是公司核心战略，接触前沿技术（RAG、Agent、MCP）和头部客户，成长空间大
- 职位涉及全栈交付，技术栈丰富，能深度参与产品迭代，积累一线实战经验
- 薪资福利优厚，大厂标配，且有股票激励
- 技术更新快，需要持续学习，保持对AI前沿的敏感度
- 客户场景复杂，问题拆解和方案落地难度较大，需要较强的技术深度和应变能力
- 适合技术基础扎实、热爱AI落地实践、乐于与客户沟通、能适应出差节奏的求职者
缺点 / 挑战
- 需要频繁出差驻场，工作强度较高，对沟通和抗压能力要求高
角色解读
- 技术深耕：成为AI交付领域专家，深入理解大模型落地场景，可向架构师或产品经理方向发展
- 管理路径：积累项目交付经验后，可转为技术团队负责人或解决方案总监
- 横向扩展：接触不同行业客户，积累行业知识，向行业解决方案专家转型
- 与头部客户沟通，深入业务场景，设计并落地AI解决方案（WorkBuddy/CodeBuddy），负责从需求到上线的全流程
- 基于RAG、MCP等技术，定制办公提效、知识问答等场景方案，打通企业办公与研发链路
- 跟踪客户业务指标，持续调优方案，并沉淀可复用的交付资产与行业模板
- 精通至少两门编程语言（Python/TypeScript/Java），掌握大模型应用技术栈（RAG、MCP、Prompt工程等）
- 具备客户沟通与现场问题拆解能力，能够接受出差驻场
- 关注AI前沿技术，熟悉友商技术架构，具备快速学习能力
申请策略
- 了解腾讯AI战略方向，在面试中展现对AI落地价值的理解
- 准备1-2个完整的客户交付案例，包含技术方案、效果指标和复盘总结
- 突出AI项目交付经验，尤其是RAG、MCP、Prompt工程等大模型应用相关项目
- 强调编程能力，列出熟练掌握的语言及框架，如Python、TypeScript、Java
- 展示客户沟通与问题解决案例，特别是涉及高价值客户或复杂场景的经历
- 补充学习腾讯云AI产品（如WorkBuddy、CodeBuddy）及MCP协议、Agent编排方案
- 加强系统集成知识，了解CI/CD流程和办公协同平台（飞书、企微、腾讯文档）的API
面试指南
- 对于技术问题，采用STAR法：情境、任务、行动、结果，重点突出技术选型和效果
- 对于客户沟通问题，强调同理心和拆解步骤：理解需求 → 评估可行性 → 给出替代方案 → 跟踪反馈
- 对于业务指标问题，结合具体案例，说明如何定义指标、跟踪数据并迭代优化
- 请谈谈你参与过的一个AI落地项目，你是如何设计RAG方案的？
- 你如何理解MCP协议？在Agent编排中如何应用？
- 当客户需求与产品能力不匹配时，你会如何协调？
- 你如何衡量AI方案的业务价值？举例说明
- 复习大模型应用技术栈（RAG、MCP、Agent），并准备一个亲手搭建的Demo或项目
匹配度报告
68
综合匹配度
腾讯AI交付岗，前沿技术栈，高薪高压，需频繁出差。
适合人群
最适合追求技术成长、愿意接受挑战和高强度工作的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活30
使命价值70
薪资福利匹配
80较高
腾讯大厂，薪资福利优厚，但未在JD中明确薪资和具体福利，整体补偿性动机满足程度较高。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
职位涉及前沿AI技术（RAG、MCP、Agent），与头部客户合作，技术成长空间大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈RAG、MCP、Prompt Engineering、Agent、WorkBuddy、CodeBuddy
业务类型profit_center
工作生活匹配
30较低
工作需频繁出差驻场，仅现场办公，WLB信号弱，生活化动机满足度低。
工作模式仅现场办公
办公地点未明确
加班情况明确要求弹性/高强度
使命价值匹配
70中等
作为腾讯AI落地执行者，能够推动企业数字化转型，有一定社会价值，但整体以商业项目为导向。
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