腾讯
高级Agent工程师-北京/深圳
高级Agent工程师-北京/深圳
发布于 2 小时前普通员工/个人贡献者
全职员工混合式弹性办公人工智能
人工智能
Ai Coding
CI/CD
Llm
Prompt Engineering
Rag
值不值得投
80综合评分
综合评分 80
前沿AI技术驱动、大厂平台背书、成长空间大，但需适应互联网快节奏与跨团队协同压力。
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
比人工智能中位数高
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 2130 个在招 · 其中人工智能 25 个
市场机会
选择面较广
北京 · 人工智能 · 约 670 个在招
职位详情
关于这个职位
负责腾讯AI Coding方向规划与Coding Agent核心能力建设，设计多入口研发助手及智能体协作机制，构建研发知识库与知识飞轮
推动AI生成代码接入研发全流程，通过业务试点与规模化推广实现组织级研发模式升级
最低要求
计算机、软件工程、人工智能等相关专业本科及以上学历
年以上软件研发、研发效能、开发者工具或平台建设经验
至少 2 年以上 AI Coding、LLM 应用、Agent 或 AI 研发效能相关实践经验
熟悉大型互联网或复杂业务系统研发流程，理解研发、测试、发布和协作中的真实痛点
具备较强的架构设计、工程落地和跨团队协作能力
熟悉至少一种主流编程语言，如 Java、Go、Python、TypeScript、JavaScript 等
熟悉 AI Coding / Coding Agent 常见能力，如代码生成、代码修改、Bug 修复、测试生成、代码解释、代码评审等
理解大模型在研发场景中的应用，熟悉 Prompt、RAG、工具调用、Workflow / Agent 编排等能力
理解 Agent 基本机制，包括任务拆解、上下文管理、工具调用、执行反馈和错误修复
熟悉 Git、CI/CD、自动化测试、代码扫描、Code Review、发布流程等研发工具链
能够从研发人员、Tech Lead、测试人员和研发管理者视角设计 AI 研发平台能力
有推动 AI Coding 工具在业务团队试点和规模化推广的经验
能够设计 AI Coding 效果评估指标，并通过数据持续优化产品能力
具备良好的沟通能力和 Owner 意识，能够推动复杂项目从方案设计到落地运营
工作职责
AI Coding 方向规划：负责 AI Coding / Coding Agent / AI 研发平台的产品和技术路线设计
结合业务研发流程，识别需求分析、开发、测试、评审、发布等环节的 AI 提效场景
规划 IDE、Web、CLI、IM 群聊等多入口研发助手能力
跟踪 Cursor、GitHub Copilot、Claude Code、Codex、Trae、通义灵码、豆包 MarsCode 等 AI Coding 工具和行业实践
建立 AI Coding 效果指标，如使用率、任务完成率、代码采纳率、测试通过率、缺陷率、研发周期缩短等
Coding Agent 能力建设：负责 Coding Agent 核心能力设计，包括任务理解、任务拆解、代码生成、工具调用、测试执行和结果验证
建设需求 Agent、开发 Agent、测试 Agent、Review Agent、发布 Agent 等研发场景智能体
设计 Agent、Skill、Workflow、Tool、Runtime、知识库之间的协作关系
支持多 Agent 之间共享任务状态、上下文和交付产物
建设 Agent 执行环境，包括代码仓库操作、命令执行、测试运行、安全隔离和权限控制
知识库与知识飞轮：建设研发知识库和业务知识库，覆盖需求文档、技术方案、代码规范、接口文档、测试经验、故障案例等
将人工纠正、测试失败、Review 意见、成功经验沉淀为知识、Prompt、Skill 或流程
设计知识的 Owner、权限、版本、适用范围和更新机制
持续治理过期、冲突、低质量知识，提升 AI 在复杂业务场景中的准确性
质量治理与工程落地：推动 AI 生成代码接入单元测试、接口测试、静态扫描、Code Review、质量门禁和发布流程
明确哪些任务可由 AI 自动完成，哪些环节必须由人确认
建设 AI Coding 评测体系，包括真实任务集、回归测试集、执行 Trace、用户反馈和效果分析
打通现有研发工具链，包括需求平台、代码仓库、CI/CD、测试平台、发布平台、监控平台和 IM 协作工具
业务试点与规模化推广：选择合适的业务团队和种子用户开展 AI Coding 试点
与产品、研发效能、业务研发、测试、安全等团队协作，推动平台落地
总结 AI Coding 使用规范、最佳实践、培训材料和推广方法
推动 AI Coding 从单点工具使用走向团队级、组织级研发模式升级
优先资格
有研发平台、DevOps 平台、测试平台、知识库、IDE / CLI 工具建设经验者优先
有企业级研发平台、研发效能平台、DevOps 平台、测试平台或知识库平台建设经验
AI 洞察
优缺点分析
优点
- 接触业界最前沿的AI Agent与大模型落地场景，技术视野开阔
- 依托大厂海量真实业务数据与复杂研发链路，能积累极具价值的工程实战经验
- 平台化项目易出标杆成果，个人技术品牌与行业影响力提升快
- 需同时兼顾技术创新与工程落地，平衡实验性探索与生产环境稳定性要求
- 适合具备扎实后端/平台开发背景，对AI应用落地有强烈热情，且擅长复杂系统架构设计与跨团队推动的资深工程师
缺点 / 挑战
- 跨团队协作链条长，推动多部门对齐目标并落地试点存在较高沟通与管理成本
角色解读
- 可向AI研发效能专家或首席架构师方向发展，主导企业级AI原生研发体系建设
- 也可转型为技术管理岗，带领团队负责更大规模的AI平台化与智能化战略落地
- 负责AI Coding方向与Coding Agent的核心能力设计与技术路线规划
- 构建研发知识库与知识飞轮，沉淀高质量研发数据
- 推动AI生成代码融入CI/CD与质量门禁，实现研发效能平台的工程落地
- 精通大模型在研发场景的应用，熟练掌握Prompt Engineering、RAG及Agent编排机制
- 具备深厚的软件开发功底，熟悉Java/Python等主流语言及Git、CI/CD等研发工具链
- 拥有优秀的架构设计能力与跨部门协同推进经验
申请策略
- 准备详细的项目复盘材料，重点说明如何解决AI生成代码的幻觉、安全隔离与上下文管理等实际难题
- 提前研究腾讯在AI Coding领域的布局与竞品动态，展现业务洞察力
- 突出AI Agent或LLM应用项目的完整落地经历，量化代码采纳率、研发周期缩短等效能指标
- 展示在DevOps平台、知识库或IDE插件开发中的架构设计与工程实践
- 强调跨部门协同与从0到1推动产品试点的经验
- 深入掌握LangChain/LlamaIndex等Agent框架，熟悉多智能体协作与工具调用机制
- 补充软件工程与研发效能领域的专业知识，了解现代CI/CD流水线与代码质量门禁设计
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，重点突出技术选型依据、难点攻克路径与量化产出
- 针对架构类问题，先阐述整体设计原则与安全边界，再分层说明核心模块实现
- 推广类问题侧重利益相关者管理、灰度策略与数据闭环
- 如何设计一个高可靠性的Coding Agent，确保代码生成的安全性与可执行性？
- 在复杂业务系统中，如何构建和维护高质量的研发知识库与知识飞轮？
- 请分享一个你主导的AI工具或研发效能平台从试点到规模化推广的全过程
- 如何评估AI Coding工具的实际效能，并建立科学的指标体系？
- 复习大模型微调、RAG检索增强与Agent编排的核心原理
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
腾讯大厂薪酬体系完善，该高级岗位薪资处于行业领先水平，福利保障健全，能满足较高的物质回报预期。
薪资信号偏高 (4.0千–7.0万/月)
成长发展
90较高
聚焦AI Agent与大模型前沿技术，提供广阔的技术探索空间与行业影响力，技术成长曲线陡峭。
技术前沿前沿/新兴技术
技术栈AI Coding、LLM、Agent、Prompt Engineering、RAG
业务类型ambiguous
工作生活
60中等
互联网大厂节奏较快，虽未明确加班文化，但项目推进与试点推广期可能面临一定工作压力与交付节点挑战。
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
致力于用AI重塑研发效能，推动行业技术变革，具有显著的创新价值与社会意义，契合追求技术使命感的求职者。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs