智能体-全栈开发工程师-WorkBuddy

优缺点分析

角色解读

• 在腾讯内部可向AI架构专家或技术总监方向发展，主导更大规模的AI协同产品架构
• 积累LLM+Agent+协同办公的垂直经验后，可转型为AI产品技术负责人或创业公司CTO
• 技术广度（全栈+AI+架构）可支撑向云原生、AI基础设施等交叉领域拓展
• 主导WorkBuddy协同模块的全栈架构设计，覆盖桌面端、Web等多端形态，并负责关键技术选型
• 设计AI原生应用交互架构，包括LLM流式渲染、Agent任务编排、人机协同机制等前沿功能
• 构建跨端统一工程体系，沉淀可复用的前端逻辑层和桌面端核心架构
• 推进微服务治理、容器化、CI/CD等基础设施，提升团队研发效能和系统稳定性
• 精通TypeScript/JavaScript和至少一门后端语言（Go/Java），具备扎实的全栈工程能力
• 深入理解Electron架构，有复杂桌面应用或多端统一架构落地经验
• 具备LLM应用开发经验，熟悉流式渲染、Agent交互、MCP协议等AI工程化技术
• 熟悉微服务、缓存、消息队列、容器编排等分布式系统技术，有高并发系统建设经验

申请策略

• 了解腾讯WorkBuddy产品定位和竞品（如飞书、钉钉），思考如何用AI提升协同效率
• 在面试中展示对技术社区的影响力（如开源项目、技术博客）会增加亮点
• 突出全栈架构项目经验，尤其是主导过中大型系统的架构设计和技术选型
• 强调LLM或AI相关开发经历，如流式渲染、Agent系统、模型调用等，附带具体成果
• 展示Electron或跨端开发经验，说明对桌面端性能、安全的处理
• 列举微服务、容器化、CI/CD等基础设施落地案例，体现工程化能力
• 如果没有LLM开发经验，建议快速学习LangChain、MCP协议等主流AI框架，并动手构建一个Agent demo
• 补充Go语言后端知识，尤其关注微服务、分布式事务等腾讯内部常用技术

面试指南

• STAR法则：情境、任务、行动、结果，突出个人贡献和技术难点
• 对于架构问题，从需求分析、技术选型、方案对比、落地效果四步阐述
• 对于AI问题，先说明基本原理，再结合具体实现细节，最后总结工程化挑战
• 请描述一个你主导的全栈系统架构项目，包括技术选型、挑战和最终的方案
• 你有多少LLM应用开发经验？请举例说明你如何实现流式渲染或Agent任务编排
• 你对Electron的进程架构和安全性有什么理解？如何优化桌面端性能？
• 请介绍你使用过的微服务治理工具和容器编排方案，以及如何保证高可用？
• 如何在跨端（Web、桌面、移动）中实现代码复用和统一工程体系？