TCL
Agent开发工程师
Agent开发工程师
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Agent开发
Mcp协议
Spring Ai
大模型应用
值不值得投
72综合评分
综合评分 72
上市巨头AI工程化岗位，技术栈前沿且成长空间大，薪资具竞争力，但WLB情况未明。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2.7万
比后端开发中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 880 个在招 · 其中后端开发 5 个
市场机会
选择面较广
深圳 · 后端开发 · 约 110 个在招
职位详情
关于这个职位
该职位主要负责AI流水线平台的后端设计与开发，以及DevOps体系中的自动化测试插件和研发效能智能体的开发
你需要使用Java/Python等语言，结合Spring AI、LangChain等大模型框架，推动AI技术在研发场景中的落地应用
最低要求
计算机、软件工程、电子信息等相关专业本科及以上学历;
扎实的编程基础，熟悉多线程、数据结构与算法，至少掌握Java、Python、Golang中的一种编程语言;
熟悉 Spring、Spring Boot、Spring MVC、MyBatis 等主流 Java 开发框架;
熟悉 MySQL 等关系型数据库，了解 Redis、RabbitMQ、Kafka 等常用中间件
使用过 Spring AI、LangChain4j、LangChain、Dify、Coze 等 Agent 或大模型应用开发框架;
了解 MCP 协议及 MCP Server、MCP Client 的基本开发和接入方式
工作职责
负责AI流水线平台(后端、数据库、界面设计)相关的设计、开发和测试工作
DevOps体系建设:设计自动化测试插件，开发研发场景业务提效智能体等编码工作
根据项目需求，编写高质量的代码和文档
与团队成员紧密合作，共同解决开发过程中的问题
持续关注 Java、云原生、DevOps、人工智能及 Agent 技术发展，并推动相关技术在业务中的应用
优先资格
具备Al和Agent相关技术领域经验(如AI工程六、智能问答、代码助手、自动化测试助手或研发效能智能体等)者优先
AI 洞察
优缺点分析
优点
- 处于AI与DevOps结合的热门交叉领域，技术栈前沿（Agent、大模型应用、MCP协议），个人技术壁垒高
- 依托大型上市企业的丰富业务场景和海量数据，有充足的AI技术落地实践机会
- 研发效能方向属于企业核心内功，做出的工具能直接提升团队生产力，业务价值易被认可
- 需要同时具备传统后端高并发开发能力与AI大模型应用知识，技术跨度较大，学习曲线陡峭
- Agent技术迭代极快，需要持续学习跟进最新框架和协议，对技术敏锐度和自驱力要求高
- 具备扎实后端基础，对大模型和Agent技术有浓厚兴趣，且希望将AI技术落地于工程效能提升的开发者
缺点 / 挑战
- 研发效能工具的开发往往需要深入理解各业务线痛点，跨团队沟通与需求抽象成本较高
角色解读
- 从AI应用开发工程师向AI架构师或AI研发效能专家发展，成为企业级AI工程化核心骨干
- 未来可深入大模型底层技术、Agent编排引擎，或转型为AI产品技术负责人，主导企业智能化转型
- 负责AI流水线平台的后端、数据库及界面设计开发，构建支撑大模型应用的基础设施
- 参与DevOps体系建设，开发自动化测试插件和研发效能智能体，将AI技术落地于实际研发场景
- 跟进Agent、MCP协议等前沿技术，推动人工智能在业务提效和工程化中的深度应用
- 扎实的Java/Python/Golang编程基础，熟练使用Spring Boot等主流后端框架及MySQL、Redis、Kafka等中间件
- 掌握LangChain、Spring AI、Dify等大模型应用开发框架，了解Agent开发模式
- 熟悉MCP协议及Server/Client交互机制，具备将AI能力封装为工程化服务的经验
申请策略
- 提前了解TCL在AI和数字化转型方面的布局，面试时可结合其制造业或家电业务场景，探讨AI如何赋能研发效能与业务创新
- 突出Java/Spring Boot后端开发经验，以及使用LangChain/Spring AI等框架开发Agent或大模型应用的项目经历
- 展示在DevOps、自动化测试或研发效能提升方面的实际成果，最好有量化指标（如提升效率百分比）
- 强调对MCP协议、RAG、Agent编排等前沿概念的理解与动手实践能力
- 深入学习MCP协议及Agent开发模式，动手实现一个结合外部工具（如数据库查询、API调用）的Agent Demo
- 了解云原生和DevOps主流工具链（如Jenkins、GitLab CI），提升AI工具在CI/CD流水线中的工程化落地能力
面试指南
- 采用STAR法则描述项目背景、任务、行动和结果
- 对于技术问题，先阐述核心原理，再结合具体代码或架构设计说明实现细节，最后总结优化空间
- 请介绍一个你使用LangChain或Spring AI开发Agent的实际项目，遇到了哪些技术难点？
- 在DevOps体系中，你是如何设计自动化测试插件或研发效能智能体的？
- 请解释MCP协议的核心概念，以及MCP Server和Client的交互流程
- 当大模型输出不稳定或产生幻觉时，你在后端工程中是如何做容错和兜底处理的？
- 复习Spring Boot、微服务架构及常用中间件的高阶用法，确保后端基础无懈可击
- 深入了解当前主流的Agent框架（如LangChain、Dify）及MCP协议的最新进展，准备1-2个将AI技术应用于研发提效的具体案例
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
上市企业提供相对稳定的薪酬福利体系，结合AI与后端双重技能要求，薪资水平在市场中具备竞争力。
薪资信号未披露（AI估算：1.8千–3.5万/月）
成长发展
85较高
岗位涉及大模型、Agent、DevOps等前沿技术，技术栈新且成长空间大，能显著提升个人在AI工程化领域的竞争力。
技术前沿前沿/新兴技术
技术栈Java、Python、Spring Boot、LangChain、Spring AI、Dify、MCP协议、Redis、Kafka
业务类型cost_center
工作生活
50较低
JD未明确提及工作模式与加班情况，但作为核心研发岗且涉及AI新技术探索，工作节奏可能较快。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
推动AI技术在研发场景的落地，提升企业研发效能，具有一定的内部技术赋能价值，但社会直接影响力有限。
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