腾讯
实时互动后台研发工程师
实时互动后台研发工程师
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
Agent框架
Ai Coding
CI/CD
Prompt工程
Rag
后端开发
容器化部署
微服务架构
高并发架构
值不值得投
78综合评分
综合评分 78
核心AI业务后端岗，技术栈前沿、成长空间大、薪资竞争力强，但工作节奏可能较快。
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
约 2010 个在招 · 其中后端开发 47 个
市场机会
选择面较广
深圳 · 后端开发 · 约 120 个在招
职位详情
关于这个职位
该职位主要负责腾讯云语音和客服智能体业务的后端架构设计与核心模块研发
你需要与产研和算法团队紧密协作，推动AI Agent能力从原型到生产环境的落地，并主导高可用、高并发架构的演进
适合具备扎实后端开发基础且对大模型应用和Agent开发有热情的工程师
最低要求
本科及以上学历，计算机或软件工程相关专业，3年及以上后台开发经验
熟练掌握至少一门主流后端语言（如C/C++/Go/Java/Python/Rust），熟悉微服务架构、容器化部署与CI/CD流程
熟悉LLM应用栈，了解RAG、Prompt工程、上下文工程及主流Agent框架与开源生态，有Agent开发经验
熟练使用AI Coding工具或Coding Agent辅助研发，能借助AI工具提升编码、实验迭代、问题排查与工程协作效率
具备良好的工程素养，包括但不限于扎实的系统设计、问题定位与跨团队协作能力，关注代码质量、系统稳定性与性能优化，能独立负责复杂模块或系统，执行力强、做事严谨
工作职责
负责腾讯云语音和客服智能体业务的后端架构设计与核心模块研发，支撑多场景、多租户的智能体服务体系建设
与产研、算法团队紧密协作，推动AI能力从原型到生产环境的完整交付，持续度量并提升Agent输出质量
建设Agent评测体系，设计评测指标与基准测试集，跟踪迭代效果，以数据驱动模型与系统的优化方向
主导Agent服务高可用、高并发架构的演进，持续优化Agent的工程化落地
优先资格
有AI产品从0到1落地经验，或有开源项目贡献经历者优先
AI 洞察
优缺点分析
优点
- 处于AI大模型与Agent落地的核心赛道，能积累前沿的AI工程化实战经验
- 平台资源丰富，能与顶尖的产研和算法团队紧密协作，拓宽技术视野
- 推动AI能力从原型到生产环境交付，需解决模型幻觉、延迟、成本等工程难题，落地难度高
- 适合具备扎实后端基础、对大模型应用有浓厚兴趣，且希望在AI工程化落地方向深耕的开发者
缺点 / 挑战
- 依托庞大的业务场景，能接触到多租户、高并发等极具挑战的复杂架构设计
- AI技术迭代极快，需要持续学习新的模型能力、Agent框架和工程化方案，学习压力大
角色解读
- 纵向可发展为后端技术专家或架构师，深耕高并发与高可用系统设计
- 横向可向AI工程化（AI Infra）或AI产品技术负责人转型，成为连接算法与业务的桥梁
- 负责腾讯云语音和客服智能体业务的后端架构设计与核心代码编写，支撑多租户智能体服务
- 协同算法与产品团队，将AI Agent能力从原型推向生产环境，并建立评测体系以数据驱动优化
- 主导高可用、高并发架构的演进，解决工程化落地中的性能与稳定性问题
- 扎实的后端开发基础，精通至少一门主流语言（Go/Java/C++等），熟悉微服务与容器化部署
- 熟悉LLM应用栈，掌握RAG、Prompt工程及主流Agent框架，具备实际的Agent开发经验
- 优秀的系统设计与问题排查能力，能独立负责复杂模块，并熟练使用AI Coding工具提效
申请策略
- 准备1-2个从0到1落地的AI产品或开源项目案例，重点讲述遇到的工程挑战及解决方案
- 突出高并发、高可用后端架构设计经验，量化系统性能指标（如QPS、延迟优化）
- 详细展示LLM/Agent开发经验，包括RAG链路搭建、Prompt优化及Agent框架的实际应用
- 强调AI Coding工具的使用习惯及提效成果，展现拥抱新技术的工程素养
- 深入学习主流Agent框架（如LangChain, AutoGen）及上下文工程，补充AI评测体系设计知识
- 复习并强化微服务治理、容器化编排（K8s）及CI/CD流水线的高级实践
面试指南
- STAR法则：针对架构和工程难题，按情境、任务、行动、结果的结构回答，突出数据指标
- 对比分析法：在回答Agent评测或技术选型时，对比不同方案的优劣，说明最终选择的依据
- 请介绍一个你主导的高并发/高可用后端架构设计案例，遇到了什么瓶颈，如何解决的？
- 在Agent开发中，你是如何设计评测指标和基准测试集的？如何衡量Agent的输出质量？
- 推动AI能力从原型到生产环境时，遇到过哪些工程化难题（如延迟、成本、稳定性）？如何解决的？
- 你平时如何使用AI Coding工具辅助研发？请分享一个具体提升效率的场景
- 梳理过往项目中的核心代码和架构图，确保能清晰讲解设计思路和取舍
- 了解腾讯云语音和客服智能体相关的业务背景，思考该岗位的业务痛点
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
该岗位涉及AI核心业务，薪资具备较强市场竞争力，且头部企业薪酬福利体系完善。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位处于AI Agent工程化落地前沿，能深度接触LLM应用栈与高并发架构，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM应用栈、RAG、Prompt工程、Agent框架、AI Coding、微服务架构、容器化部署
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，且核心业务研发岗通常工作节奏较快，生活化动机满足度一般。
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
75中等
推动AI智能体在客服和语音场景的落地，具有较高的技术应用价值，能提升服务效率与用户体验。
行业发展高速增长赛道
社会影响中性/一般
使命信号生态共创者
创新程度积极采用新技术
Watch Jobs