TCL
全栈开发工程师（大数据）
全栈开发工程师（大数据）
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公全栈开发
全栈开发
CI/CD
Go
Llm Api
微服务架构
值不值得投
74综合评分
综合评分 74
技术栈前沿、AI 落地场景丰富、全栈能力要求高，适合追求技术深度与业务广度的开发者。
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
2.8万
比全栈开发中位数低
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 430 个在招
市场机会
选择适中
深圳 · 全栈开发 · 29 个在招
职位详情
关于这个职位
该职位主要负责 AI 产品的前后端全链路开发，包括构建对话式交互界面、智能体管理后台及后端业务系统
你需要对接 ERP 等企业内部系统，并调用大模型 API 将 AI 能力嵌入实际业务流程，完成从数据库设计到前端界面的完整交付
最低要求
本科及以上学历，计算机、软件工程等相关专业
熟练掌握至少一门后端语言（Java/Python/Go），熟悉 Spring Boot/Django/Flask 等常用框架
熟练掌握前端技术栈（HTML/CSS/JavaScript，React 或 Vue），能独立完成前后端联调
熟悉 MySQL/PostgreSQL、Redis，了解微服务架构和消息队列
有完整 Web 项目开发经验，能独立完成从数据库设计到前端界面的全链路交付
了解 Docker、CI/CD 等 DevOps 实践
工作职责
负责 AI 产品的前端开发（React/Vue），包括对话式交互界面、智能体管理后台、数据看板、配置中心等
负责后端业务系统开发（Java/Python/Go），包括用户权限、工作流引擎、业务数据模型、RESTful API 设计
负责企业系统集成 —— 对接 ERP、营销、财务、供应链等内部系统，打通 AI 产品与业务数据流
负责调用 AI 应用开发团队提供的 AI 服务接口（对话 API、RAG 检索 API、Agent 调度 API），将 AI 能力嵌入业务流程和产品功能
负责产品的性能优化、安全加固、稳定性保障和上线部署
优先资格
了解 LLM API 的基本调用方式，有 AI 产品后端开发经验者优先
AI 洞察
优缺点分析
优点
- 处于 AI 应用落地的核心环节，能积累大模型 API 调用、RAG 及 Agent 调度的前沿实战经验
- 背靠大型制造企业，有丰富的内部系统（ERP、供应链等）集成场景，业务壁垒高，技术落地价值大
- 技术栈现代且全面，涵盖前后端、微服务及 DevOps，有助于构建完整的全栈技术体系
- 适合具备扎实前后端基础、对 AI 应用落地充满热情，且喜欢解决复杂业务系统集成问题的全栈开发者
缺点 / 挑战
- 全栈开发要求前后端及运维部署均需兼顾，工作广度大，可能面临多技术栈频繁切换的压力
- 涉及大量企业内部老旧系统集成，跨部门沟通、接口联调及数据一致性保障的成本可能较高
角色解读
- 可向资深全栈工程师、AI 应用架构师方向发展，成为连接 AI 算法与业务落地的核心技术骨干
- 随着 AI 落地场景的增多，具备复杂业务系统集成和 AI 接口调用经验的工程师在市场上将极具竞争力
- 负责 AI 产品的前后端全栈开发，构建对话式交互界面、智能体管理后台及数据看板
- 开发后端业务系统，设计用户权限、工作流引擎及 RESTful API，并对接企业内部 ERP、财务等系统打通数据流
- 调用大模型 API（对话、RAG、Agent），将 AI 能力无缝集成到实际业务流程和产品功能中
- 扎实的前后端开发能力，熟练掌握 React/Vue 及 Java/Python/Go 等后端语言与主流框架
- 熟悉关系型与非关系型数据库、微服务架构及 DevOps 工具，具备完整 Web 项目全链路交付能力
- 了解 LLM API 调用机制，熟悉 RAG 检索增强生成和 Agent 调度原理，具备 AI 产品后端开发思维
申请策略
- 了解 TCL 的数字化转型战略及 AI 在制造、供应链或营销中的具体落地场景，面试时能结合业务谈技术
- 突出完整的全栈项目经验，特别是前后端联调、数据库设计及独立交付的能力
- 重点展示与 LLM API、RAG 或 Agent 相关的开发经历，哪怕是个人项目或开源贡献
- 强调与企业级系统（如 ERP、CRM、财务系统）对接的经验，体现解决复杂业务逻辑的能力
- 深入学习大模型应用开发框架（如 LangChain），熟悉 RAG 检索增强生成和 Agent 调度原理
- 复习微服务架构及消息队列在复杂业务系统中的应用，提升系统设计与性能优化能力
面试指南
- 采用 STAR 法则（情境、任务、行动、结果）回答项目经验，突出个人贡献和最终业务价值
- 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，最后总结优化效果
- 请描述一个你独立完成的全栈项目，重点讲讲前后端是如何联调以及数据库设计的
- 在对接企业内部 ERP 或财务系统时，遇到过哪些数据一致性或接口兼容性问题？如何解决的？
- 你如何理解 RAG 检索 API 和 Agent 调度 API？在实际项目中是如何调用大模型 API 的？
- 面对高并发的对话式交互界面，你在前端和后端分别做了哪些性能优化？
- 准备 1-2 个能体现全栈能力和 AI 接口调用经验的核心项目，梳理其中的技术难点和解决方案
- 复习 React/Vue 的核心机制及 Spring Boot/Django 的常用设计模式，确保基础扎实
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
岗位涉及 AI 大模型应用，具备一定技术溢价，整体薪资处于市场合理水平，但 JD 未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
85较高
岗位深度结合 AI 大模型应用与企业级系统集成，技术栈前沿且业务场景复杂，能极大提升全栈架构与 AI 落地能力。
技术前沿前沿/新兴技术
技术栈Java、Python、Go、React、Vue、Spring Boot、MySQL、Redis、LLM API、Docker、CI/CD、RAG、Agent
业务类型cost_center
工作生活
60中等
岗位未明确提及工作模式与加班情况，但作为全栈研发岗且涉及大量系统集成与上线部署，工作节奏可能较为紧凑。
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 技术在大型制造企业中的落地应用，赋能传统业务数字化转型，具有一定的行业变革意义与技术前瞻性。
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