美团
软件开发工程师（AI Native Infra方向）
软件开发工程师（AI Native Infra方向）
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Ai Agent
Go
Llm
Prompt Engineering
值不值得投
73综合评分
综合评分 73
前沿AI Infra方向、技术空间大、成长性强，但WLB可能一般。
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
3万
比后端开发中位数低
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 3730 个在招 · 其中后端开发 24 个
市场机会
选择面较广
北京 · 后端开发 · 约 350 个在招
职位详情
关于这个职位
该职位专注于AI Native基础设施的软件开发，负责推动Infra软件生产方式的AI Native转型，包括建设AI Coding Loop和AI Software Factory，将AI技术深度应用于软件研发全流程，提升自动化程度和交付质量
工作涉及云平台研发、客户服务和运维的智能化改造，要求具备扎实的工程能力和AI驾驭能力
最低要求
年以上软件工程经验，具备良好的系统设计、编码、调试和交付能力
熟悉 Python、Go、Java、TypeScript/JavaScript 中至少一门语言
具备较强的端到端工程能力，能够独立从模糊问题出发完成需求澄清、方案设计、实现、验证和上线
具备真实的 AI 驾驭能力，能够根据任务选择模型和工具，设计有效上下文与工作流程，拆解复杂任务，约束 Agent 行为，并通过测试、评测和反馈持续提高结果可靠性
深度使用过 Codex、Claude Code、Cursor 等 AI Coding Agent，能够清楚说明 AI 在其中完成了什么、如何验证结果，以及失败时如何改进
理解 LLM 与 Agent 的基本原理和能力边界，熟悉 Prompt、Context Engineering、Tool Calling、RAG、Memory、Harness、Eval、幻觉与不确定性等概念
重视工程验证，能够通过测试、日志、指标、回归和实验数据判断结果，而不是完全依赖AI输出的结果
具备较强的产品意识和抽象能力，能够从具体项目中识别通用问题，并将可复用的方案沉淀为工具或平台能力
对 AI 驱动的软件生产方式有持续兴趣，愿意主动学习、快速实验，并对结果负责
工作职责
建设 AI Coding Loop
将 Agent 应用于需求理解、任务规划、代码实现、自动化测试、代码审查和交付验证等环节，形成规划、实现、验证、反馈、迭代的研发闭环，将 Agent 深度应用在软件研发的工作流程中
建设 AI Software Factory 的核心能力
把个人使用 AI 的经验沉淀为团队可复用的平台能力，包括上下文工程、知识与记忆、工具与 Skill、Agent Harness、任务编排、执行沙箱、质量门禁、权限控制和可观测性等，持续提升软件生产的自动化程度与交付质量
推动 Infra 组件和平台 AI Native 化
选择真实、高价值的云计算业务场景，重新设计产品能力和工程流程，使系统具备能够理解用户意图、调用工具、执行操作并验证结果和持续改进的能力，而不是简单增加一个 AI 入口
建设智能客户服务闭环
面向云产品客户服务场景，建设能够理解诉求、定位问题、调用工具并完成处理的智能服务能力，推动客服Agent从回答问题升级到解决用户问题
建设智能运维闭环
打通指标、日志、调用链、告警、配置和变更数据，使 Agent 能够发现异常、分析影响、定位根因、生成或执行处置方案，并在权限、审批和审计边界内完成验证与恢复
建设贯穿研发、发布和运行阶段的 Eval 与反馈体系
将客服、研发、运维等真实场景的任务与 Bad Case 转化为可复现、可度量的评测集，从质量、效率、成本、稳定性和风险等维度评估 Model、Agent、Skill 与 Harness，让评测结果真正进入技术选型、版本准入和产品迭代闭环
探索 AI Native 工程方法
持续研究模型和 Agent 的能力边界，通过原型、实验和真实项目验证新方法，并将有效实践沉淀为工具、平台能力和团队工程标准
AI 洞察
优缺点分析
优点
- 直接参与AI Native Infra这一前沿方向，技术空间广阔
- 面对真实复杂的云平台场景，工作成果有直接影响力
- 公司技术氛围浓厚，能接触大规模集群和业界一流实践
- 技术难度高，需要快速学习AI相关的新概念和工具
- 对AI驱动软件开发有浓厚兴趣、具备扎实工程背景、喜欢解决复杂系统问题的开发者
缺点 / 挑战
- 工作涉及多领域（研发、运维、客服），挑战复杂度高
- 可能面临高要求的交付压力，需要平衡探索与落地
角色解读
- 可成长为AI Infra领域的技术专家，专注于智能研发工具链建设
- 向技术管理或架构师方向发展，负责更复杂的系统设计和团队指导
- 参与行业前沿探索，成为AI Native工程方法的实践者和贡献者
- 推动Infra软件生产方式的AI Native转型，构建AI Coding Loop和AI Software Factory
- 将AI技术深度集成到软件研发、客户服务和运维的全流程中，提升自动化水平和交付质量
- 探索和实施AI驱动的工程方法，将有效实践沉淀为可复用的平台能力
- 扎实的软件工程能力，熟悉Python、Go等语言及系统设计
- 深入理解LLM与Agent原理，具备AI工具的使用和流程设计经验
- 端到端工程实现能力，能独立完成需求到上线的全流程
申请策略
- 研究美团技术博客和开源项目，了解其技术栈和文化
- 准备能体现AI驾驭能力和工程验证思维的案例，用于面试讨论
- 突出3年以上软件工程经验及具体项目成果，强调系统设计和交付能力
- 详细描述使用AI Coding Agent（如Cursor、Claude Code）的经验，说明如何验证和改进结果
- 展示对LLM、Agent、Prompt Engineering等概念的理解和实践
- 列举参与的平台或工具建设项目，体现产品意识和抽象能力
- 深入学习LLM与Agent的工程应用，如RAG、Context Management等
- 实践使用更多AI Coding工具，理解其能力边界和验证方法
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答具体项目经验
- 强调工程验证思维，描述如何通过测试、指标等确保结果可靠
- 结合JD中的关键词（如Context Engineering、Eval）来组织回答
- 请描述你如何使用AI Coding Agent（如Cursor）完成一个复杂开发任务，并如何验证结果？
- 如何将个人使用AI的经验转化为团队可复用的平台能力？
- 在AI Native Infra建设中，你如何平衡探索新方法与保证工程质量？
- 请举例说明你如何设计一个Agent工作流程来解决一个具体的运维问题？
- 你认为LLM在软件研发中的主要能力边界和挑战是什么？
职位点评
薪资福利70
成长发展90
工作生活50
使命价值80
薪资福利
70中等
JD未明确薪资和福利，但作为已上市巨头企业的技术岗位，通常薪资具有市场竞争力，满足基本补偿需求。
薪资信号未披露（AI估算：2千–4万/月）
成长发展
90较高
该职位涉及AI Native Infra这一前沿方向，提供大量学习新技术和成长机会，发展性动机满足程度高。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Prompt Engineering、RAG、Context Engineering、Eval
成长机会持续学习、快速实验、非线性成长
业务类型ambiguous
工作生活
50较低
JD未提及办公模式和工作时间安排，生活化动机满足程度有限，可能需现场办公且工作强度较高。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
AI驱动的软件生产方式具有行业变革意义，职位直接参与技术突破，意义感动机满足程度较高。
行业发展高速增长赛道
社会影响中性/一般
使命信号创造行业价值、推动技术发展
创新程度开拓性创新（行业首创）
Watch Jobs