Zhuanzhuan logo
转转
全栈开发工程师(J14770)

全栈开发工程师(J14770)

发布于 7 天前

普通员工/个人贡献者

AI 估算 · 3.5–6.0万 · AI 参考估算
高级经验
学历未注明
全职员工仅现场办公全栈开发
全栈开发
Agent开发
Ai Coding
Jvm调优
Langgraph
分布式架构
微服务

值不值得投

80综合评分

综合评分 80

前沿Agent技术、高薪大厂平台、极高成长潜力、高强度研发挑战

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

4.8万

比全栈开发中位数高

发布情况

正常在招 · 7 天前发布

市场机会

选择面较广

北京 · 全栈开发 · 84 个在招

职位详情

关于这个职位

该职位负责基于LangGraph等框架开发Agent系统,并独立完成前后端全栈工程交付

需精通Java/Python及React/Vue技术栈,深入理解分布式架构与JVM底层原理,同时利用AI Coding工具优化开发流程,推动产品从Demo到上线的全流程落地

最低要求

精通Java,掌握数据结构、设计模式、IO、集合、多线程并发

熟悉JVM内存管理、GC机制,拥有JVM实战调优经验,深入理解Spring、MyBatis底层原理
精通MySQL、Redis,可完成慢SQL排查分析与优化
了解RPC原理,精通分布式、微服务架构,可独立完成微服务拆分与架构改造,熟练使用分布式缓存、消息队列
扎实前端基础,精通HTML5、CSS3、JS/TS、ES6+,熟悉浏览器事件循环、DOM渲染、内存机制
熟练Vue3/React任一框架,吃透响应式、虚拟DOM、Diff等核心原理
熟练Webpack/Vite项目构建优化,掌握代码分割、Tree Shaking、懒加载等工程化能力
熟悉HTTP/HTTPS、跨域、鉴权、XSS/CSRF等安全防护,掌握响应式布局与H5、小程序适配开发

工作职责

Agent产品开发:基于LangGraph/LlamaIndex/AutoGen等框架设计开发Agent系统,负责Prompt工程、上下文管理、工具调用、记忆机制等核心模块

全栈工程交付:在后端(Python/Go/Node.js)、前端(React/Vue)或客户端独立完成开发,保障代码质量、测试覆盖与可观测性,推动产品从Demo到上线
AI Coding实践:深度使用Claude Code/Cursor等工具,优化AI开发工作流,跟踪MCP协议、Spec-driven开发等前沿技术并落地
技术研究与交付:跟踪Agent技术前沿,输出设计文档,从需求到上线全流程负责

优先资格

加分能力:

熟练使用Lighthouse、Chrome DevTools做全链路性能优化
熟悉Elasticsearch落地与性能优化
可落地分布式事务、分布式ID、限流降级、接口幂等等高并发方案
具备分库分表、读写分离落地经验
能够参与架构方案评审,独立攻克重难点技术问题
有开源项目研读或二次开发经历

AI 洞察

优缺点分析

优点

  • 接触最前沿的Agent技术与AI Coding工作流,技术栈极具前瞻性
  • 全栈职责赋予较大的技术自主权和业务影响力
  • Agent领域技术迭代极快,需持续跟踪前沿动态并保持快速适应能力
  • 适合追求技术前沿、具备极强自驱力且希望成为全栈专家的高级工程师,尤其对AI应用层开发感兴趣者

缺点 / 挑战

  • 在大厂平台下,能处理高并发、大规模分布式系统的实际挑战
  • 要求极高的技术广度与深度,需同时精通后端、前端及AI框架,学习压力大

角色解读

  • 可向AI应用架构师或技术专家方向发展,专注于Agent生态与大模型应用落地
  • 也可晋升为技术负责人,带领团队进行复杂分布式系统的架构设计与研发
  • 负责基于LangGraph等框架开发智能Agent系统,处理Prompt工程和记忆机制等核心逻辑
  • 独立完成前后端全栈开发,包括后端Java/Python和前端React/Vue的工程化交付
  • 利用AI编程工具优化工作流,并解决高并发、分布式架构下的技术难题
  • 精通Java后端与React/Vue前端,深入理解JVM、微服务及数据库优化
  • 熟练掌握Agent开发框架(LangGraph/LlamaIndex)及Prompt工程
  • 具备全栈工程化能力,包括构建优化、安全防护及性能调优

申请策略

  • 准备关于如何利用AI工具提升开发效率的实际案例
  • 展示对Agent系统核心难点(如上下文管理、幻觉控制)的理解
  • 体现全栈独立交付能力,而非单一模块开发
  • 突出Java/Python双栈能力及React/Vue前端深度经验
  • 重点展示Agent相关项目,如Prompt优化、工具调用设计及记忆机制实现
  • 强调分布式架构改造、性能优化及AI工具提效的具体案例
  • 深入学习LangChain/LangGraph生态及LLM应用开发最佳实践
  • 强化前端工程化与性能优化技能,如Vite配置、包体积优化

面试指南

  • 采用STAR法则回答项目经验,重点突出技术选型的理由、遇到的具体难点及量化成果
  • 对于Agent问题,结合理论(如RAG、ReAct模式)与实际落地中的坑点进行阐述
  • 请描述你设计的Agent系统中,如何处理长上下文记忆及工具调用的可靠性?
  • 在微服务架构中,你是如何进行JVM调优及解决高并发场景下的性能瓶颈的?
  • 请分享一个你使用AI Coding工具(如Cursor/Claude Code)显著提升开发效率的案例
  • 如何保证Agent输出的稳定性,并在出现错误时进行有效的自我修正或回滚?
  • 复习Java并发编程、JVM原理及微服务常见中间件源码
  • 梳理Agent开发的核心概念及最新论文/博客

职位点评

薪资福利85
成长发展92
工作生活60
使命价值70

薪资福利

85较高

作为C轮后巨头企业的高阶全栈岗位,薪资竞争力强,通常包含具有市场竞争力的薪酬包及大厂福利体系。

薪资信号未披露(AI估算:3.5千–6.0万/月)

成长发展

92较高

职位直接涉及Agent开发与AI Coding前沿实践,技术栈极具成长性,能提供极高的技能拓展空间。

技术前沿前沿/新兴技术
技术栈LangGraph、LlamaIndex、AutoGen、Agent、Prompt Engineering、MCP、AI Coding、Cursor、Claude Code
业务类型profit_center

工作生活

60中等

互联网大厂通常节奏较快,虽未明确提及加班,但高阶研发岗位往往面临较高的交付压力与技术攻关强度。

工作模式未明确
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

通过开发Agent系统提升自动化与智能化水平,间接服务于二手交易平台的效率提升,具有一定的技术应用价值。

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