名创优品
AI全栈创优生(J17255)
AI全栈创优生(J17255)
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公全栈开发
全栈开发
Ai编程
Claude Code
产品设计
全栈开发
大模型应用
持续集成
知识库建设
自动化测试
值不值得投
75综合评分
综合评分 75
AI Native校招岗，成长与前沿实践拉满，薪资未披露、办公强度待确认。
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，方便比较职业起点。
薪资怎么样
2.0万
比全栈开发中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
55 个在招
市场机会
选择适中
广州 · 全栈开发 · 22 个在招
职位详情
关于这个职位
名创优品AI Native研发变革下的校招岗位：你将以产品、研发、测试一体化的方式，指挥AI完成从需求到上线的端到端交付，深度参与商品、运营、营销、供应链等零售核心业务的智能化升级，适合愿意成为'超级个体'、拥抱AI开发范式变革的应届生
最低要求
本科及以上学历，计算机/软件工程/人工智能/数据科学等相关专业
数据结构、算法、网络、操作系统等基础扎实
熟练掌握至少一门主流编程语言（Python/Java/Go/JS/TypeScript），有前端或后端完整项目开发经验，具备良好的编码规范
对AI编程工具有实际使用经验（如Cursor/Claude Code等），或对"AI时代的开发范式变革"有强烈兴趣和独立思考
理解大模型的能力边界，不盲目信任也不固步自封
不做"需求翻译机"——拿到需求会先问"这个需求解决了谁的什么问题"
能从用户视角体验产品，主动发现体验问题并提出改进建议
具备基础的产品设计能力，能独立完成简单需求的流程设计与方案输出
不盲从AI输出，能主动发现AI产出中的逻辑漏洞、事实错误和边界遗漏——这是AI Native工程师的核心价值
工作职责
AI驱动的端到端交付：独立或在教练带教下，完成从需求分析、产品设计、技术方案、代码开发、测试验证到上线发布的完整闭环，对需求的最终交付质量和业务效果负责
在交付过程中灵活运用大模型能力提升效率与质量
AI知识库建设与维护：负责团队AI知识库的持续更新——包括产品文档、技术架构、业务规则、设计决策等，确保AI对系统的理解始终与实际代码同步（知识库的质量直接决定AI产出的质量）
工程化质量体系建设：将验收标准转化为可执行的自动化测试脚本，接入持续集成流水线形成永久回归资产
建立质量门禁与上线检查机制，推动AI能力从实验Demo走向规模化生产
方法论共创与持续改进：持续跟踪AI前沿技术，在真实需求中验证AI协作模式的效果，总结经验、提出优化建议，沉淀团队可复用的AI Native研发方法论
AI 洞察
优缺点分析
优点
- 站在AI Native研发模式变革的最前线，能深度实践AI协作工作流，工程能力与AI应用能力同时积累
- 产品、研发、测试一体化训练，成长速度远快于单一职能岗位
- 直接服务零售核心业务的智能化升级，业务视野完整
- 一人承担产品、研发、测试多角色，对学习能力和自驱力要求极高
- AI协作工作流仍在探索期，需要在真实需求中不断验证和试错
- 适合基础扎实、对AI开发范式有强烈兴趣、愿意独立扛完整交付闭环、具备产品思维的自驱型应届生
缺点 / 挑战
- 对交付质量与业务效果负责，责任压力大
角色解读
- 从带教下的'超级个体'成长为独立负责需求端到端交付的AI Native工程师
- 之后可向全栈技术专家、AI工程化与质量体系建设方向发展
- 也可沉淀方法论，走向团队技术管理与AI研发流程设计角色
- 以产品+研发+测试一体化方式，指挥AI完成从需求分析到上线发布的完整闭环，并对交付质量与业务效果负责
- 同时建设和维护团队AI知识库，确保AI对系统理解与实际代码同步
- 还要把验收标准转化为自动化测试脚本，接入CI流水线，并持续沉淀AI Native研发方法论
- 扎实的计算机基础与至少一门主流编程语言，有前后端完整项目经验
- 需要会用Cursor、Claude Code等AI编程工具，并理解大模型能力边界
- 还需要产品思维，能从用户视角发现问题并输出流程设计方案
申请策略
- 面试前体验名创优品的业务形态，思考零售商品、运营、供应链场景的智能化机会
- 准备好讲述一个'指挥AI完成交付'的具体案例，并诚实说明AI产出里你发现的漏洞
- 突出AI编程工具（Cursor/Claude Code等）的实际使用案例和效率提升数据
- 展示有前端或后端完整项目闭环经历，强调独立交付能力
- 写明自己对AI能力边界的思考或踩坑经验，体现独立思考
- 提前熟练掌握至少一门主流语言的工程化实践与编码规范
- 动手实践AI驱动的开发流程，理解大模型在编码场景的能力与局限
- 补充产品设计基础，练习从用户视角拆解需求和输出流程方案
面试指南
- 用'背景—我的做法—AI参与度—发现的问题—结果'的结构讲AI协作案例，突出批判性验证环节
- 技术问题先给结论再讲权衡，体现工程判断力
- 产品思维题从用户视角出发，先问'谁的什么问题'再谈方案
- 你用过哪些AI编程工具？举例说明它们帮你解决了什么问题、暴露过什么问题？
- 拿到一个需求，你会如何判断它解决了谁的什么问题？
- 如何把验收标准转化为可执行的自动化测试脚本？
- 大模型的能力边界在哪里？你在项目中如何避免盲从AI输出？
- 如果让你独立完成一个简单需求的全流程，你会怎么做？
职位点评
薪资福利70
成长发展88
工作生活60
使命价值72
薪资福利
70中等
JD未披露薪资，无法判断现金竞争力，但校招技术岗叠加AI方向通常有一定吸引力。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
88较高
AI Native研发变革与教练带教机制提供高成长密度，产品研发测试一体化训练机会难得。
技术前沿前沿/新兴技术
技术栈AI编程、大模型、Cursor、Claude Code、持续集成
成长机会教练带教、方法论共创
业务类型profit_center
工作生活
60中等
JD未提及办公模式与加班信息，现场交付型岗位通勤与强度情况需面试确认。
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
72中等
参与零售核心业务智能化升级，有重塑软件工程方式的意义感，但社会价值属性一般。
行业发展高速增长赛道
社会影响中性/一般
使命信号AI Native研发变革
创新程度积极采用新技术
Watch Jobs