库洛游戏
技术中心 - 后端开发工程师（AI平台方向）
技术中心 - 后端开发工程师（AI平台方向）
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
Ai平台
Mcp Server
分布式系统
大模型
消息队列
值不值得投
66综合评分
综合评分 66
AI平台方向技术岗，技术栈前沿、成长性强，薪资福利与WLB信息未披露，需进一步确认。
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，方便横向比较。
薪资怎么样
3.2万
比后端开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
56 个在招
市场机会
选择面较广
广州 · 后端开发 · 约 100 个在招
职位详情
关于这个职位
负责库洛游戏企业内部AI平台的建设与持续维护，支撑Agent、知识问答、流程自动化等企业AI场景落地
设计开发插件、MCP Server、连接器等组件打通内部系统与知识库，并负责平台治理、规范建设与稳定性优化
最低要求
本科及以上学历，计算机相关专业，三年以上工作经验，一年以上AI应用开发相关经验
熟练掌握Python、Java编程语言，具备扎实的软件工程设计能力，能够高效编写清晰、可维护的代码
有大规模分布式系统设计和优化经验，能够处理高并发、高可用性场景
熟悉常见基础设施和中间件，如Linux、Docker、Redis、MySQL、PostgreSQL、消息队列等
对人工智能、深度学习、自然语言处理等领域有浓厚的兴趣，能够快速跟进并应用最新的技术趋势
具备优秀的团队合作精神，能够开展跨部门协调和高效沟通，推动项目顺利进行
工作职责
负责企业内部AI平台的建设、维护和持续演进，支撑业务团队落地Agent、知识问答、流程自动化等企业AI场景的解决方案
负责平台插件、MCP Server、连接器等服务组件的设计、开发和部署，打通内部系统、业务API、数据库、知识库以及消息通知等链路
负责平台治理与规范建设，包括工具设计框架、服务发布规范、日志体系搭建、服务质量监控告警等方面
保持与产品、业务方等人员的紧密沟通，思考通用能力的建设，沉淀可复用组件和标准化方案，提高研发交付效率和质量
协助AI平台的测试验收工作，参与故障排查，并推动平台在性能和稳定性上的持续提升
优先资格
有对话式AI、智能助理、大模型产品化经验者优先
AI 洞察
优缺点分析
优点
- 方向贴近当前最热的大模型应用与Agent工程化，技术栈兼具后端深度与AI前沿
- 企业内部平台型岗位能接触到多业务方需求，锻炼架构设计与跨团队协作能力
- 游戏公司技术氛围较好，可沉淀可复用的平台化经验
- 平台治理与规范建设往往需要推动他人配合，落地难度不小
- 适合有3年以上后端经验、对AI应用落地有热情、愿意在平台建设与跨团队协作中打磨工程能力的中级工程师
缺点 / 挑战
- 企业内部平台属支撑型定位，需要不断向业务方证明价值，沟通协调成本较高
- 既要兼顾后端稳定性又要跟进快速变化的AI技术，学习与交付压力并存
角色解读
- 可从后端开发逐步成长为AI平台核心组件负责人或平台架构师，主导工具框架与规范体系设计
- 积累企业级大模型应用与Agent工程化经验后，可向AI平台技术负责人或解决方案架构方向发展
- 负责企业内部AI平台从建设到持续演进的全流程，支撑业务团队落地Agent、知识问答、流程自动化等场景
- 开发插件、MCP Server、连接器等组件，打通内部系统、业务API、数据库与知识库链路
- 同时承担平台治理与规范建设，包括工具框架、发布规范、日志与监控告警体系，并推动性能与稳定性提升
- 扎实的Python与Java后端开发能力，能写出清晰可维护的工程代码
- 具备大规模分布式系统设计与高并发高可用场景优化经验，熟悉Linux、Docker、Redis、MySQL、PostgreSQL与消息队列等基础设施
- 对大模型、NLP、Agent、MCP等AI应用技术有实际落地经验与快速学习能力
申请策略
- 了解库洛游戏的产品与技术团队背景，面试中主动表达对企业内部AI平台价值的理解，并准备好如何与产品、业务方协作推动通用能力沉淀的思路
- 重点突出Python/Java后端工程能力与分布式系统、高并发场景的实战项目
- 用具体案例说明你搭建或维护过的平台、组件或内部系统，量化提升的效率或稳定性指标
- 若有Agent、知识问答、MCP、RAG或大模型产品化经历务必单列，这是明确的加分项
- 提前熟悉MCP协议、Agent框架与RAG知识库检索方案，准备1-2个可讲清楚的落地案例
- 梳理Docker、消息队列、监控告警（如Prometheus）等基础设施实践，补足平台治理与可观测性相关知识
面试指南
- 采用STAR结构（场景-任务-行动-结果）讲清楚项目背景、你的具体职责、技术方案取舍与最终量化结果
- 技术问题先讲整体设计思路，再展开关键难点与权衡，最后说明如何验证与优化
- 协作类问题强调需求对齐、分阶段交付与规范沉淀的推进方法
- 请介绍你做过的一个AI应用或Agent落地项目，如何设计架构并解决实际问题？
- 如何设计一个支撑多业务方的企业级AI平台？插件与MCP Server你会如何抽象和治理？
- 在高并发场景下你如何保证服务的可用性与稳定性？举一个你优化过的具体案例
- 面对业务方需求差异大、通用能力难沉淀的情况，你会如何推进标准化？
- 你如何跟进大模型与NLP领域的最新技术，并判断哪些适合落地到企业场景？
职位点评
薪资福利62
成长发展84
工作生活52
使命价值56
薪资福利
62中等
JD未披露薪资与福利信息，广州游戏行业技术岗整体薪酬有一定竞争力，但补偿性无法从描述中直接确认。
薪资信号未披露（AI估算：2.5千–4.0万/月）
成长发展
84较高
岗位聚焦企业级AI平台、Agent、MCP等前沿方向，技术栈兼具后端深度与AI应用，成长空间较大，但JD未明确提及晋升或培训机制。
技术前沿前沿/新兴技术
技术栈Python、Java、Docker、Redis、MySQL、PostgreSQL、消息队列、MCP Server、Agent、大模型、NLP、分布式系统
业务类型cost_center
工作生活
52较低
JD未提及办公模式、弹性工时或加班情况，工作地点仅标注广州，生活化相关信息不足以做明确判断。
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
56较低
岗位服务企业内部效率与AI能力建设，行业为游戏领域，社会影响力中性，意义感主要来自平台价值与技术落地本身。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs