腾讯
游戏AI-AI后台开发工程师
游戏AI-AI后台开发工程师
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
软件工程
分布式系统
RAG
微服务
GO
大模型
高并发
游戏AI
Eino
AI 估算 · 25k–45k
腾讯大厂，AI赛道，深圳中级工程师，薪资竞争力强，月薪25k-45k，年终奖通常15个月左右。
职位详情
关于这个职位
该职位是腾讯游戏AI团队的后台开发工程师，专注于GameAgent系统的核心框架和大模型应用的全链路工程化
你将参与构建游戏智能NPC、UGC等LLM驱动的业务基础设施，与算法和产品团队协作，推动高并发、低延迟的后台服务架构优化
适合有大模型或Agent开发经验、追求技术前沿的后端工程师
最低要求
计算机及相关专业本科以上学历，2年以上开发经验，具备扎实的计算机基础
精通 Go/Python/C++ 中至少一种语言，熟练使用 Linux + Shell 开发环境
熟悉分布式系统与微服务架构，有高并发、大规模后台服务开发及性能优化经验
工作认真负责，自驱力强，逻辑清晰，具备良好的问题解决能力与跨团队沟通协作能力
工作职责
参与游戏 AI 应用的基础设施建设，负责 GameAgent 后台系统核心框架组件开发
支持游戏智能 NPC、UGC 等 LLM 驱动的 GameAgent 业务落地，并完善 GameAgent 统一基础设施
负责大模型应用的全链路工程化与开发运营体系建设，通过自动化、平台化、智能化（AI 提效）推动团队研发效能系统性提升
负责后台架构和性能优化工作，保障服务高并发、低延迟、高可用，与算法、产品团队协作，完成游戏AI产品的预研探索、工程化落地与实际上线
优先资格
掌握大模型应用及 Agent 系统架构原理，理解 Agent Infra 核心概念与技术范式（如 RAG、Agent Runtime、记忆管理、编排管理、多智能体协作等），有相关场景实战经验者优先
熟练运用 Agent 工作流和智能化工具链驱动日常工作，有 AI 提效实践经验者优先
熟悉常见 Agent 开发框架与工程工具（如 LangChain / Eino / Hermes Agent），有工程化实践经验者优先
AI 洞察
优缺点分析
优点
- 腾讯大平台，游戏AI属于前沿领域，技术积累和资源丰富
- 接触大模型和Agent核心技术的全栈工程化实践，成长空间大
- 团队协作氛围好，有机会与算法、产品等多角色紧密配合，提升综合能力
- 技术栈要求高，需要同时掌握多种语言、分布式系统和AI框架
- 游戏AI业务迭代快，需要快速学习新技术并落地，工作节奏可能较快
缺点 / 挑战
- 高并发和性能优化挑战大，需要扎实的工程能力和问题解决能力
- 适合有2年以上后端开发经验，对大模型和游戏AI有强烈兴趣，自驱力强、乐于挑战技术难题的工程师
角色解读
- 向AI后台架构师或技术专家方向发展，深入钻研大模型和Agent系统
- 成为游戏AI产品技术负责人，主导智能NPC等创新业务的技术方案
- 结合大模型技术，成为AI工程化领域的专家，推动行业最佳实践
- 参与游戏AI后台系统核心框架组件的开发，构建GameAgent基础设施，支撑智能NPC、UGC等LLM驱动的业务
- 负责大模型应用的全链路工程化与开发运营体系建设，通过自动化、平台化和AI提效提升团队效能
- 优化后台架构性能，保障高并发、低延迟和高可用，并与算法、产品团队协作完成产品落地
- 熟悉Agent系统架构原理，如RAG、记忆管理、多智能体协作等，并运用LangChain等框架进行工程实践
- 精通Go/Python/C++至少一种语言，熟练Linux+Shell开发环境
- 深入理解分布式系统和微服务架构，有高并发后台服务开发与性能优化经验
- 掌握大模型应用和Agent系统架构，熟悉RAG、Agent Runtime等核心概念
- 熟悉LangChain/Eino等Agent开发框架，具备工程化实践经验
申请策略
- 准备一个关于Agent系统或高并发架构的设计案例，展示系统思维和工程能力
- 关注腾讯游戏AI的业务方向，在面试中体现对游戏智能NPC等场景的理解
- 突出分布式系统设计、高并发优化等后端核心项目经验
- 如果有大模型或Agent相关项目（如智能对话、RAG系统），重点描述技术方案和成果
- 强调使用Go/Python/C++的语言熟练度，以及Linux环境下的开发调试能力
- 提前学习LangChain、Eino等Agent开发框架，了解RAG、Agent Runtime等概念
- 实践搭建一个简单的Agent系统，如基于LLM的客服机器人，加深理解
面试指南
- 采用STAR法则：描述背景、任务、行动和结果，突出技术难点和个人贡献
- 先给出总体架构，再深入细节，展示系统思维
- 结合具体项目经验，引用数据说明优化效果，体现工程能力
- 请描述你参与过的一个高并发后台系统的架构设计，包括遇到的挑战和解决方案
- 谈谈你对RAG（检索增强生成）的理解，以及在实际项目中如何实现
- 你使用过哪些Agent开发框架？比较它们的优缺点
- 如何优化大模型推理服务的延迟和吞吐量？
- 如果让你设计一个游戏智能NPC的后台系统，你会考虑哪些关键模块？
匹配度报告
74
综合匹配度
腾讯游戏AI后台开发，前沿技术栈，薪资优厚，但现场办公且可能加班较多。
适合人群
最适合追求技术成长和前沿领域、对工作生活平衡要求不高的求职者。
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50
使命价值80
薪资福利匹配
75中等
腾讯作为互联网大厂，薪资福利处于行业领先水平，但JD未明确具体薪资结构，建议面试时详细了解。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
该职位涉及大模型、Agent等前沿技术，能深度参与从预研到落地的全流程，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Go、Python、C++、大模型、Agent、RAG、LangChain、Eino
业务类型ambiguous
工作生活匹配
50较低
JD未提及远程或弹性办公，工作模式为现场办公，且大厂通常加班较多，生活平衡一般。
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
80较高
游戏AI属于高速增长赛道，技术创新性强，但社会影响力偏向中性。
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