小米
Agent 全栈开发工程师
Agent 全栈开发工程师
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
Ai Agent
Langgraph
Mcp协议
Openclaw
Prompt Engineering
值不值得投
74综合评分
综合评分 74
核心AI团队、前沿Agent技术栈、内部效能赋能导向，技术成长空间大但WLB未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
与全栈开发中位数基本持平
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 3280 个在招 · 其中全栈开发 5 个
市场机会
选择面较广
北京 · 全栈开发 · 66 个在招
职位详情
关于这个职位
该职位主要负责基于OpenClaw、LangChain等框架开发企业级AI Agent，实现多场景任务自动化
你需要开发MCP Server工具链、搭建Agent Workflow，并对接飞书机器人，构建可复用的企业技能库，确保Agent的高质量交付
最低要求
本科及以上学历，3年以上后端开发/AI应用开发经验，至少1年LLM Agent相关项目经验
精通Python，熟悉TypeScript/Node.js
熟练使用LangChain、LangGraph，有基于Graph的Agent状态机开发经验
熟悉OpenClaw/Clawdbot框架，了解Agent Loop、Gateway、Queue等核心机制
有MCP协议开发经验，能独立构建MCP Server并注册工具
深入理解LLM能力边界，有Prompt Engineering实战经验
熟悉Docker/K8s容器化部署，有CI/CD实践经验
工作职责
基于OpenClaw框架开发企业级AI Agent，实现多场景任务自动化（知识问答、审批提醒、数据查询、会议纪要等）
开发和维护MCP Server端工具链，使Agent能安全调用内部业务系统
基于LangChain/LangGraph搭建Agent Workflow，实现复杂多步推理链路与条件分支控制
参与Agent Skills模块开发，构建可复用、可编排的企业技能库
实现Agent与飞书机器人的消息通道对接，支持多轮对话、卡片交互、文件处理
参与Agent评测用例编写与回归测试，确保Agent质量可度量、可追溯
优先资格
了解Manus Agent的多步任务执行模式、Genspark的搜索Agent架构者加分
有CrewAI、AutoGen、Dify等Agent平台开发经验者加分
AI 洞察
优缺点分析
优点
- 处于AI Agent应用爆发的风口期，能够接触到LangGraph、MCP协议等前沿技术，技术壁垒高
- 依托庞大的内部业务场景（如飞书对接、企业自动化），项目落地机会多，能积累丰富的企业级AI实战经验
- 平台大，技术基础设施完善，有利于培养规范的工程化与容器化部署能力
- 适合具备扎实后端基础、对大模型应用有浓厚兴趣，且渴望在企业级复杂场景中落地AI Agent技术的开发者
缺点 / 挑战
- AI Agent技术迭代极快，需要持续跟进Manus、Genspark等最新架构，学习压力较大
- 企业级Agent开发涉及多系统对接与复杂状态机控制，调试多步推理链路与保证质量可度量具有较高难度
角色解读
- 纵向可发展为AI Agent技术专家或架构师，深入大模型应用底层架构与复杂推理链路设计
- 横向可向AI产品经理或AI业务负责人转型，利用技术优势推动企业级AI场景落地与商业化
- 基于LangChain/LangGraph等框架开发企业级AI Agent，实现知识问答、审批提醒等多场景任务自动化
- 开发MCP Server工具链并搭建Agent Workflow，使Agent能够安全调用内部系统并处理复杂多步推理
- 对接飞书机器人等消息通道，构建可复用的企业技能库，并负责Agent的评测与回归测试
- 精通Python及TypeScript/Node.js，具备扎实的后端开发与AI应用开发能力
- 熟练掌握LangChain、LangGraph及OpenClaw等Agent框架，具备基于Graph的状态机开发经验
- 熟悉MCP协议、Prompt Engineering以及Docker/K8s容器化部署与CI/CD流程
申请策略
- 提前了解内部业务系统架构及飞书机器人的开放能力，在面试中展现对业务场景的思考
- 重点突出基于LangChain/LangGraph或类似框架开发Agent Workflow的实际项目经验及业务收益
- 展示在MCP协议开发、工具链构建或Prompt Engineering方面的具体实践与优化成果
- 强调Docker/K8s部署及CI/CD经验，证明具备将AI应用工程化、高可用落地的能力
- 深入学习LangGraph的状态机机制与复杂条件分支控制，提升多步推理链路的设计能力
- 了解并尝试复现Manus Agent或Genspark的架构，积累前沿Agent平台的开发经验
面试指南
- STAR法则：针对项目经验，从场景背景、技术选型、具体实现（如状态机设计、工具注册）到最终业务收益进行结构化回答
- 对比分析：在回答技术选型或架构理解时，对比不同框架（如LangChain vs LangGraph）或不同Agent模式的优劣，展现技术深度
- 请详细描述你使用LangGraph搭建Agent Workflow的经验，如何处理复杂的多步推理与条件分支？
- 在开发MCP Server工具链时，如何确保Agent调用内部业务系统的安全性与稳定性？
- 你是如何理解LLM的能力边界的？在Prompt Engineering中有哪些实战优化经验？
- 针对Agent的评测用例编写，你通常采用哪些指标和方法来确保质量可度量？
- 复习LangGraph的核心概念（State, Node, Edge）及状态机流转逻辑，准备一个完整的Agent项目架构图
- 了解MCP（Model Context Protocol）的最新规范，思考如何在企业内网环境中设计安全的工具调用链路
职位点评
薪资福利75
成长发展90
工作生活50
使命价值75
薪资福利
75中等
AI Agent方向属于当前高溢价赛道，整体薪酬具备较强市场竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位涉及LangGraph、MCP协议、OpenClaw等前沿AI技术，且要求了解Manus等最新架构，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、TypeScript、LangChain、LangGraph、OpenClaw、MCP、Prompt Engineering、Docker、K8s
业务类型cost_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，且AI研发岗位通常面临一定的交付压力，生活化动机满足程度无法明确判断。
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
推动企业级AI Agent落地，实现多场景任务自动化，具有较高的内部赋能价值与行业前沿探索意义。
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
Watch Jobs