腾讯
证券-AI全栈开发高级工程师
证券-AI全栈开发高级工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公全栈开发
全栈开发
Agent架构
Ai Coding
Ddd
Go
Mcp
Rag
分布式系统
微服务
值不值得投
78综合评分
综合评分 78
腾讯核心金融业务线的高级全栈岗，技术栈前沿且极具挑战，发展空间大，但工作强度可能较高。
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
5.5万
比全栈开发中位数高
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 1960 个在招 · 其中全栈开发 11 个
市场机会
选择适中
深圳 · 全栈开发 · 32 个在招
职位详情
关于这个职位
负责腾讯自选股体系（APP、小程序、智能体等）的全链路研发与架构设计
深度参与Agent工程化落地，推动AI研发流程标准化与性能优化
要求具备5年以上全栈经验及大模型应用开发能力
最低要求
计算机相关专业本科及以上学历，5年以上全栈开发经验，主导过复杂系统的全生命周期研发
精通至少两种技术栈组合，例如 TypeScript+Node.js / Python / Go + ReAct
熟悉分布式系统设计，掌握微服务、容器化、CI/CD 等工程实践
具备出色的技术方案规划能力，能输出符合 Clean Architecture / Domain-Driven Design 原则的设计文档
具备丰富的Agent架构开发、智能体编排、Prompt/Skill/MCP/RAG工程应用和大模型推理服务化经验
善用AI提升生产力，能高效驾驭AI Coding编程范式，在 SPEC / Context / Harness 层面有方法论
强烈的 Owner 意识，具备优秀的跨团队协同能力
工作职责
负责腾讯自选股体系的全链路研发工作，覆盖自选股APP / 微证券小程序/ 问元宝智能体、智能体套件、运营平台等
参与系统架构的设计与演进，负责产品标准化、多产品融合等方向的技术方案规划，输出高质量设计文档，协调各团队落地
推动 AI 研发流程标准化，制定迭代计划并把控交付节奏，保证功能在多客户、多环境下按时高质量交付
构建代码质量与线上质量监控体系，主导性能优化、稳定性治理与体验提升，持续提高企业级产品的内建质量与可运维性
深度参与Agent工程化落地，设计模型服务接口与数据交互方案，优化推理效率、资源消耗及企业环境下的合规与隔离能力
优先资格
有Vue跨平台开发经验者优先
有高并发和多租户场景的优化经验者优先
有Agent Runtime和沙箱相关架构经验者优先
主导过 5 人以上研发团队协作经验优先
AI 洞察
优缺点分析
优点
- 深度参与AI Agent与大模型工程化落地，处于当前技术最前沿，技术壁垒高
- 大厂平台背书，技术体系完善，有利于个人技术深度与广度的双重提升
- 金融证券类业务对系统稳定性、合规性与安全性要求极高，容错率低，工作责任重大
- 适合具备扎实全栈开发基础、对AI大模型及Agent技术有浓厚兴趣，且能在高压环境下保持严谨细致作风的资深技术人才
缺点 / 挑战
- 依托腾讯庞大的用户基数与丰富的金融场景，能接触到海量并发与复杂业务挑战
- 需要同时兼顾前端、后端及AI大模型工程化，技术栈跨度大，学习压力与持续学习要求高
角色解读
- 从高级全栈工程师向技术专家或架构师方向发展，深耕AI Agent与金融科技的结合
- 未来可带领技术团队，成为技术总监或业务线技术负责人
- 负责腾讯自选股体系（APP、小程序、智能体等）的全链路研发与架构演进
- 深度参与AI Agent工程化落地，优化大模型推理效率与数据交互方案
- 推动AI研发流程标准化，保障多产品融合与高质量交付
- 精通TypeScript/Node.js/Python/Go等至少两种技术栈，熟悉分布式系统与微服务架构
- 具备丰富的Agent架构开发、RAG工程应用及大模型推理服务化经验
- 掌握Clean Architecture/DDD设计原则，能驾驭AI Coding编程范式
申请策略
- 了解腾讯自选股及微证券的产品形态与业务逻辑，准备针对金融场景下AI应用落地的思考与见解
- 展现强烈的Owner意识与跨团队协同主导能力
- 突出复杂系统全生命周期研发经验，特别是高并发、多租户场景的优化案例
- 详细列举在Agent架构、RAG、大模型推理服务化方面的实际落地项目与成果
- 展示在AI Coding、Clean Architecture/DDD方面的方法论与实践经验
- 深入学习Agent Runtime、沙箱架构及MCP协议等前沿AI工程化技术
- 提升跨端开发能力（如Vue跨平台），完善全栈技术闭环
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术选型的思考过程、遇到的难点及解决方案
- 对于架构设计问题，结合业务场景说明设计原则的落地细节与带来的业务价值
- 请分享一个你主导过的复杂系统全生命周期研发项目，你是如何进行架构设计与演进的？
- 在Agent工程化落地中，你是如何设计模型服务接口与数据交互方案的？遇到过哪些推理效率或资源消耗的瓶颈，如何解决？
- 请谈谈你对Clean Architecture和DDD的理解，在实际项目中如何落地？
- 你是如何利用AI Coding提升生产力的？在SPEC/Context/Harness层面有哪些具体的方法论？
- 复习分布式系统、微服务、容器化等底层原理，准备高并发场景下的性能优化案例
- 深入了解当前主流的大模型Agent框架及RAG技术栈，准备相关的技术深度问题
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
腾讯作为头部互联网企业，提供具有市场竞争力的薪资与完善的福利体系，高级技术岗位薪资水平处于行业前列。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
岗位深度涉及AI Agent、大模型推理等前沿技术，且要求全栈与架构能力，技术成长空间极大，能接触到行业最前沿的工程化实践。
技术前沿前沿/新兴技术
技术栈TypeScript、Node.js、Python、Go、Vue、分布式系统、微服务、Agent架构、RAG、MCP、AI Coding、Clean Architecture、DDD
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为核心业务的高级技术岗，且涉及多团队协同与交付节奏把控，工作强度可能较大。
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
金融科技与AI结合是极具前景的赛道，通过技术手段提升证券产品的用户体验与智能化水平，具有较高的社会价值与行业影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
腾讯 的其他在招职位
相似职位推荐
Watch Jobs