Zoom
Software Development Engineer
Software Development Engineer
发布于 4 小时前普通员工/个人贡献者
全职员工混合式弹性办公后端开发
后端开发
Ai Agent
Llmops
Prompt Engineering
可观测性
向量数据库
大语言模型(Llm)
异步编程
微服务架构
值不值得投
81综合评分
综合评分 81
聚焦AI智能体前沿技术、混合办公灵活、成长空间大，适合追求技术深度的资深工程师
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.5万
比后端开发中位数高
发布情况
新岗位 · 今天发布
市场机会
选择面较广
杭州 · 后端开发 · 约 200 个在招
职位详情
关于这个职位
负责基于生成式AI构建下一代智能体应用，设计并实现支持大模型推理、规划与执行的复杂系统
结合传统软件工程与现代AI开发，搭建多智能体协作框架，优化提示词与上下文管理，保障高并发场景下的系统可靠性与性能
最低要求
计算机科学或相关专业本科及以上学历
年以上软件工程经验
熟练掌握Java及Spring Boot框架
深入理解AI Agent架构（如ReAct、CoT、多智能体编排）并有实际落地经验
具备提示词工程设计、测试与优化能力
熟悉LLM上下文窗口与长期记忆管理系统设计
有RESTful API和微服务设计与维护经验
扎实的关系型与非关系型数据库设计基础
工作职责
构建智能体系统：设计并实现健壮的AI Agent架构（如ReAct、多智能体系统），使其能自主规划和执行复杂工作流
核心后端开发：使用Java和Spring Boot开发可扩展的服务，以支持高性能AI应用
提示词与上下文工程：设计并优化提示词策略、上下文管理系统和代理记忆，确保LLM响应的高准确性和相关性
复杂任务规划：构建逻辑，将模糊的用户请求分解为可执行步骤，处理非确定性AI流程中的依赖关系和错误恢复
系统可靠性：构建可观测性和评估框架，在生产环境中监控代理性能、延迟和正确性
跨团队协作：与数据科学家和产品经理合作，将复杂的分析需求转化为可靠的工程解决方案
优先资格
具备数据分析背景，熟悉统计学概念或数据分析方法
了解流式输出协议（如SSE、WebSocket）用于实时AI响应交付
精通异步编程（如Java CompletableFuture、Reactive Streams）以优化高并发工作流
熟悉分布式追踪（如OpenTelemetry）及可观测性工具
有构建自动化评估流水线（LLMOps）的经验
熟悉向量数据库（如Pinecone、Milvus）与语义搜索
了解AI编排框架（如LangChain、Semantic Kernel、AutoGen）
有OLAP数据库（如ClickHouse）或大规模数据平台使用经验
AI 洞察
优缺点分析
优点
- 聚焦前沿生成式AI与智能体赛道，技术栈现代且具行业前瞻性
- 依托成熟平台，资源充足且工程流程规范
- 混合办公模式兼顾灵活性与团队协作效率
- 需同时兼顾传统后端工程与新兴AI技术，学习曲线陡峭
- 跨团队协作频繁，对需求转化与沟通能力要求高
- 适合具备扎实后端功底且对AI Agent方向充满热情、追求技术深度与业务影响力的高级工程师
缺点 / 挑战
- 智能体系统的非确定性特征带来较高的调试与稳定性挑战
角色解读
- 可向AI基础设施架构师或首席工程师方向发展，深耕大模型应用层与Agent编排技术
- 也可横向拓展至AI产品技术负责人，主导智能体商业化落地与系统演进
- 持续积累可沉淀为行业级开源贡献或专利
- 负责设计并开发基于大模型的智能体后端系统，实现复杂任务的自动规划与执行
- 优化提示词策略与上下文管理，提升AI响应的准确性与稳定性
- 搭建可观测性与评估框架，保障生产环境中的系统性能
- 适合具备扎实后端功底且对AI Agent方向充满热情、追求技术深度与业务影响力的高级工程师
- 精通Java与Spring Boot微服务开发
- 深入掌握AI Agent架构模式（ReAct/CoT/多智能体）及提示词工程
- 熟悉向量数据库、LLM上下文管理及异步高并发编程
- 具备系统可观测性与自动化评估流水线搭建能力
申请策略
- 提前研究Zoom Contact Center的业务场景，准备如何将AI智能体融入客户服务流的思考
- 面试时重点展现工程严谨性与AI创新能力的平衡思维
- 突出Java/Spring Boot在高并发场景的性能优化案例
- 详细展示AI Agent架构设计、提示词调优或LLM应用落地的项目经验
- 强调可观测性体系建设与自动化测试/评估流水线的搭建成果
- 深入学习LangChain/AutoGen等主流AI编排框架
- 强化异步编程与分布式追踪实战
- 补充向量数据库原理及RAG/Agent记忆管理机制
面试指南
- 采用STAR法则结构化回答项目经验
- 针对系统设计题，先画架构图说明组件交互，再分层次阐述数据流、状态管理与异常处理
- 结合具体指标（如延迟、准确率、吞吐量）量化成果
- 请分享一个你设计的AI Agent或多智能体系统架构，说明其决策流程与容错机制
- 在Java Spring Boot中如何保证高并发下LLM调用链路的稳定性与低延迟？
- 如何处理大模型输出的非确定性问题，并确保业务逻辑的正确性？
- 复习Java并发编程与微服务治理核心知识
- 梳理1-2个完整的AI应用落地案例，准备应对架构细节追问
职位点评
薪资福利80
成长发展90
工作生活75
使命价值70
薪资福利
80较高
成熟企业背景提供具有竞争力的薪酬结构与完善福利，但JD未明确具体薪资范围，整体补偿水平符合市场高位预期。
薪资信号未披露（AI估算：3.0千–6.0万/月）
成长发展
90较高
岗位深度融合生成式AI与智能体前沿技术，提供接触行业顶尖AI应用场景的机会，技术成长空间广阔。
技术前沿前沿/新兴技术
技术栈Generative AI、AI Agent、ReAct、Prompt Engineering、Vector DBs、LLMOps
业务类型profit_center
工作生活
75中等
明确采用混合办公模式，兼顾远程与线下协作，有助于平衡工作与生活，但AI研发团队通常面临一定的迭代压力。
工作模式混合式弹性办公
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
70中等
致力于通过AI技术提升联络中心运营效率与客户体验，具有明确的商业价值与技术赋能意义，社会影响力适中。
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
Zoom 的其他在招职位
相似职位推荐
Watch Jobs