Zhuanzhuan logo
转转
AI全栈开发工程师(财务)(J15085)

AI全栈开发工程师(财务)(J15085)

发布于 9 天前

普通员工/个人贡献者

AI 估算 · 2.5–4.5万 · 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
Langgraph
Llm
微服务架构

值不值得投

80综合评分

综合评分 80

前沿AI技术栈、全栈独立交付、高成长潜力、工作强度待确认

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,方便横向比较。

薪资怎么样

3.5万

比全栈开发中位数低

发布情况

正常在招 · 9 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及主流前端技术,结合AI Coding工具优化开发流程,推动产品从Demo到上线的全生命周期管理

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

AI 洞察

优缺点分析

优点

  • 接触最前沿的AI Agent技术栈,技术含金量高
  • 强调AI Coding实践,能显著提升个人开发效率和视野
  • 全栈独立交付模式,有助于培养端到端的工程能力
  • 转转作为知名平台,业务场景丰富,数据价值高
  • 技术要求极高,需同时精通Java底层和现代前端框架,学习曲线陡峭
  • Agent领域技术迭代极快,需持续高强度学习新框架和协议
  • 适合具备深厚后端或前端基础,对AI应用开发有强烈兴趣,且追求技术广度与深度的资深工程师

缺点 / 挑战

  • 全栈独立负责可能带来较大的交付压力和职责边界模糊问题
  • 财务方向可能涉及复杂的业务逻辑和数据一致性挑战

角色解读

  • 向AI应用架构师方向发展,主导复杂Agent系统设计
  • 成为全栈技术专家,解决高并发、高性能工程难题
  • 转向技术管理岗位,带领团队进行AI产品研发
  • 基于LangGraph等框架构建智能Agent系统,处理Prompt工程和记忆机制
  • 独立承担后端(Java/Python/Go)或前端(React/Vue)的全栈开发与交付
  • 利用Cursor等AI工具优化开发工作流,提升编码效率
  • 负责从需求分析到产品上线的全流程技术实现
  • 深厚的Java功底(JVM调优、并发编程)或Python全栈能力
  • 精通前端技术栈(Vue3/React、TypeScript、构建优化)
  • 熟练掌握分布式架构、微服务及数据库优化(MySQL/Redis)
  • 熟悉LLM应用开发框架(LangChain/LangGraph)及Agent设计模式

申请策略

  • 准备一个完整的AI Agent或全栈项目案例,详细阐述技术选型和难点攻克过程
  • 关注转转在C2C交易领域的业务特点,思考AI如何赋能财务或风控场景
  • 突出Java/JVM调优或Python全栈的项目实战经验,展示性能优化成果
  • 重点描述参与过的AI相关项目,特别是LLM应用、Agent或RAG系统的开发细节
  • 强调全栈能力,展示从前端到后端的完整项目交付案例
  • 提及使用AI辅助编程工具提升效率的具体实践和成果
  • 深入学习LangGraph、LlamaIndex等Agent开发框架的原理与实践
  • 强化前端工程化能力,特别是Vue3/React的高级特性和性能优化

面试指南

  • 采用STAR法则(情境、任务、行动、结果)回答项目经验类问题
  • 对于技术问题,先阐述基本原理,再结合具体场景说明应用策略,最后给出优化效果
  • 针对AI相关问题,强调对技术局限性的认知及人工校验的重要性
  • 请详细描述你设计的Agent系统的架构,包括上下文管理和记忆机制的实现方案
  • 在Java项目中,你是如何进行JVM调优和解决内存泄漏问题的?请举例说明
  • 如何优化一个复杂的前端页面性能?请谈谈你对虚拟DOM Diff算法的理解
  • 在使用AI Coding工具时,你遇到过哪些陷阱?如何保证生成代码的质量和安全性?
  • 请设计一个支持高并发的微服务架构,并说明如何处理分布式事务

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技术岗,薪资水平在北京市场具有较强竞争力,通常包含完善的福利体系。

薪资信号未披露(AI估算:2.5千–4.5万/月)

成长发展

92较高

职位直接涉及AI Agent前沿技术和AI Coding实践,技术栈极具前瞻性,对个人技能成长和技术视野拓展帮助巨大。

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

工作生活

60中等

JD未明确提及弹性工作或远程政策,且要求独立负责全流程交付,工作强度可能较大,WLB存在不确定性。

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AI技术优化财务流程,提升交易效率,具有一定的业务价值和社会意义,但非强公益导向。

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