企业智能体-全栈开发工程师-WorkBuddy

优缺点分析

角色解读

• 在AI Agent领域深耕，从全栈工程师成长为Agent平台架构师或技术专家，负责更复杂的系统设计
• 向技术管理方向发展，凭借跨团队协调经验，逐步成为团队leader或技术经理
• 依托腾讯平台，接触前沿AI技术和企业级产品实践，未来可转型AI产品架构师或独立创业者
• 负责企业级Agent产品WorkBuddy Managed Agents的全链路研发，包括Agent的创建、编排、运行、治理和评测，确保产品功能完整且稳定
• 参与企业专属部署架构设计，解决多租户隔离、模型服务接口、数据交互等复杂技术问题，输出技术方案文档并推动跨团队落地
• 构建代码质量和线上监控体系，进行性能优化和稳定性治理，提升系统可运维性和用户体验
• 沉淀AI编程方法论和工具链，构建代码生成、测试、发布的自动化Harness，提升研发效能
• 精通Node.js和Go服务端开发，熟悉Python更佳，能快速构建高可用服务
• 深入理解Agent架构、Prompt工程、Context工程、RAG等AI工程化技术，具备实际落地经验
• 掌握分布式系统设计，熟悉微服务、容器化、CI/CD、高并发等工程实践，有性能调优能力
• 具备优秀的架构设计能力，熟悉Clean Architecture/DDD，能输出清晰的设计文档
• 同时要善用AI编程工具，将AI作为研发生产力

申请策略

• 在简历中明确写出你对Agent和AI工程化的理解，并附上相关项目链接或技术博客
• 了解腾讯WorkBuddy产品现状和公司AI战略，面试时展示你对企业智能体的洞察
• 突出你主导过的复杂系统研发项目，特别是涉及微服务、高并发、性能优化的案例
• 强调Agent/AI相关项目经验，如RAG应用、Prompt工程、Agent框架使用等，最好有从设计到上线的完整经历
• 展示你的技术架构能力，如设计文档、Clean Architecture实践等
• 如有使用AI编程工具提升效率的经验，可以重点描述
• 深入学习Agent生态，熟悉主流框架如LangChain、LlamaIndex，以及MCP、A2A等协议
• 熟悉沙箱隔离技术（Firecracker/gVisor）和Agent Runtime，可以通过开源项目实践

面试指南

• 对于架构类问题，结合具体项目，从业务需求、技术选型、设计权衡、落地效果几个维度阐述
• 对于AI工程化问题，强调实际经验，包括遇到的数据处理、模型调用、效果评估等细节
• 对于系统优化问题，使用量化指标（如QPS、延迟、资源利用率）来说明优化前后对比
• 请介绍你设计过的Agent系统架构，你是如何解决多智能体协作和上下文管理的？
• 在构建高并发服务时，你如何做性能优化和稳定性治理？
• 你对MCP协议的理解是什么？如何使用MCP接入外部工具？
• 如何确保企业级Agent在私有化部署中的安全性和隔离性？
• 你如何利用AI Coding提升开发效率？能否举一个spec-driven开发的例子？