腾讯AI协作工具-全栈开发工程师（编辑器）

优缺点分析

角色解读

• 纵向可深耕文档引擎底层技术与复杂系统架构，成长为前端/全栈技术专家
• 横向可结合 AI 工程化经验，向 AI 应用架构师或 AI 产品技术负责人方向发展
• 负责腾讯文档核心引擎的前后端研发，涵盖文档解析、渲染、排版及跨端协同等底层能力建设
• 主导 AI Agent 相关能力的开发与调优，构建上下文工程、工具调用及评测等 AI 工程体系
• 攻克复杂 Web 应用及系统架构中的技术难点，推动前沿 AI 技术在文档编辑场景的落地
• 扎实的前端基础与全栈能力，精通 JS/TS 及主流框架，并熟练掌握 Node.js 及至少一种后端语言（如 Go/Java/Rust）
• 具备优秀的系统设计与架构能力，深入理解并发、缓存、存储及可观测性等后端技术体系
• 对 AI 技术有实际落地经验，熟悉 AI Agent 工作流、上下文工程及大模型应用开发

申请策略

• 在简历或面试中展现对“极致用户体验”的追求，结合腾讯文档的实际使用体验提出技术优化建议
• 提前了解腾讯文档近期的 AI 功能更新，思考其背后的技术实现逻辑
• 突出复杂 Web 应用或前端引擎的开发经验，特别是涉及渲染、排版、协同或文档解析的项目
• 详细展示全栈开发能力，列举 Node.js 及后端语言在实际项目中的应用及系统设计成果
• 重点包装 AI 相关实践，如 AI Agent 开发、上下文工程、大模型工具调用或智能体工作流的落地案例
• 深入学习文档格式（如 OOXML、PDF）的解析与生成原理，以及复杂协同编辑的底层算法
• 系统学习 AI Agent 架构设计、Harness/Loop Engineering 及大模型评测体系，补充 AI 工程化知识

面试指南

• STAR 法则结合技术深度：在回答项目经验时，明确背景与难点，重点阐述技术选型与架构设计，并用具体数据量化性能提升或业务收益
• 底层原理+工程实践：对于技术问题，先阐述底层原理（如浏览器渲染机制、Node.js 事件循环），再结合具体工程实践说明如何落地和优化
• 请详细描述一个你主导过的复杂前端引擎或全栈系统架构设计，你是如何优化其性能和稳定性的？
• 在处理 Office OOXML 或 PDF 等复杂文档格式的解析与高保真兼容时，你遇到过哪些技术难点？如何解决的？
• 请谈谈你对 AI Agent 上下文工程的理解，在实际项目中你是如何设计工具调用和评测体系的？
• 当面临前端渲染性能瓶颈或 Node.js 服务端高并发问题时，你的排查思路和解决方案是什么？
• 复习前端底层原理（如 V8 引擎、渲染流水线）及计算机网络、操作系统基础，准备应对扎实的基础考察
• 梳理自己过往项目中的系统架构图，准备好应对关于 API 设计、缓存策略、并发处理及可观测性建设的深度提问