美团
企业平台AI研发工程师
企业平台AI研发工程师
发布于 1 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 Coding
Jvm调优
Llm
Prompt Engineering
并发编程
系统架构设计
值不值得投
薪资怎么样
3.3万
比后端开发中位数高
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 5900 个在招 · 其中后端开发 38 个
市场机会
选择面较广
成都 · 后端开发 · 58 个在招
职位详情
关于这个职位
你将加入美团基础研发平台，负责采购、法务等企业级系统的需求分析、架构设计与开发交付，同时把大模型与 Agent 能力落地到数字员工、AI Coding 等场景
岗位既要求扎实的 Java 后端与架构治理功底，也需要你推动团队研发模式向 AI 驱动转型，兼具稳定性保障与前沿探索
最低要求
本科及以上学历，5年以上工作经验，扎实的计算机基础（操作系统，数据结构与算法）和软件开发
熟悉掌握常用的Java类库及开源框架，如多线程、并发处理、I/O与网络通讯、Spring等，掌握Java虚拟机原理，有JVM分析及调优的经验
有较强的逻辑思维能力，能够从客户视角出发，基于自身的技术积累和技术对标，分析、归纳和解决业务问题
熟悉主流大语言模型（LLM）API调用、Prompt Engineering、Function Calling、Agent 编排等技术，能够将 AI 能力与业务系统高效集成
熟练使用 Claude、Codex、Cursor 等 AI 编程工具，并有意愿推动团队研发模式向 AI 驱动转型
工作职责
业务交付：负责美团采购、法务系统建设，进行需求分析、系统设计、功能开发、项目推动，保障业务需求的按时交付
架构治理：通过合理架构、设计模式、代码结构、建模等技术手段，持续建设可扩展可持续迭代的业务系统
质量保障：负责相关系统的稳定性保障，为客户和上下游系统提供稳定可靠的服务能力
团队建设：指导初级工程师，促进团队共同成长
技术影响力输出，打造团队品牌文化
AI落地：设计并构建面向业务场景的 AI Skill 体系和系统工程改造，推动工具能力标准化、可复用
基于大模型与 Agent 技术，打造覆盖企业办公场景的数字员工，提升组织效率
推动研发流程从半自动化向全自动化演进，探索 AI 驱动的代码生成、审查、测试全链路实践
AI 洞察
优缺点分析
优点
- 技术栈组合稀缺：扎实的 Java 后端工程 + 前沿 LLM/Agent 工程化，两边能力都可积累，市场辨识度高
- 场景复杂且真实：采购、法务跨业务线与全球供应商，高复杂度 toB 系统对架构与建模能力锻炼极大
- AI 落地处于前沿方向：Skills 工程化、数字员工、AI Coding 全自动化三大方向均有实际落地机会，成长空间明确
- 技术氛围与学习生态被明确写入 JD，且有指导初级工程师的职责，利于建立技术影响力
- AI 方向探索存在不确定性，部分工作属于边探索边落地，需要较强的自驱与推动力
- 适合有 5 年以上 Java 后端经验、同时已实际用过 LLM/Agent 或 AI 编程工具，并希望在企业级场景把 AI 真正落地的工程师
缺点 / 挑战
- 双重能力门槛：既要在 Java 后端与稳定性保障上过硬，又要跟上大模型与 Agent 技术的快速演进，学习压力不小
- 企业级内部系统的交付节奏与多部门（财务、采购、法务）协同，需求对齐和沟通成本较高
角色解读
- 纵向可沿技术专家路线成长为高级/资深研发工程师、架构师，主导企业级 toB 系统的整体架构与技术选型
- 横向可向 AI 应用工程方向深耕，成为企业级 Agent/数字员工、AI Coding 工程化的方向负责人
- 因深度参与财务、采购、法务全链路协作，也具备转向 toB 业务架构师或技术管理岗的可能
- 负责美团采购、法务等企业级系统的需求分析、系统设计与功能开发，推动项目按时交付，服务内部各业务线与外部供应商
- 持续做架构治理与质量保障：通过架构设计、设计模式、建模和稳定性建设，让系统可扩展、可长期迭代
- 把大模型与 Agent 能力落到业务里：构建 AI Skill 体系、打造企业办公场景的数字员工，并探索 AI 驱动的代码生成、审查、测试全链路
- 承担部分团队建设职责：指导初级工程师、输出技术影响力，推动团队研发模式向 AI 驱动转型
- 扎实的 Java 工程能力：多线程与并发、I/O 与网络通讯、Spring 生态，掌握 JVM 原理并有分析调优经验
- 计算机基础与系统设计能力：操作系统、数据结构与算法，能用合理的架构和建模支撑复杂业务
- LLM 应用工程能力：熟悉主流大模型 API 调用、Prompt Engineering、Function Calling 与 Agent 编排，能把 AI 能力与业务系统高效集成
- AI 编程工具实战经验（Claude、Codex、Cursor 等），以及从客户与业务视角拆解问题、归纳解决方案的抽象能力
申请策略
- 面试前了解美团“零售+科技”战略与基础研发平台的定位，理解企业应用平台在其中的角色
- 准备一个“AI 能力如何真正嵌入业务流程并产生效率收益”的完整叙事，而不只是罗列工具名
- 突出 Java 后端深度：并发、JVM 调优、Spring 生态的实际案例，最好量化性能或稳定性改进效果
- 重点写 1-2 个复杂 toB 系统（采购、财务、法务、ERP 类）的架构设计与建模经历
- 单独列出 AI 实践：LLM API 集成、Prompt/Function Calling/Agent 编排项目，以及使用 Cursor、Claude 等工具的效能提升数据
- 如有指导初级工程师、推动团队规范或工具链建设的经历，建议单独成条，呼应岗位的团队建设职责
- 补齐 Agent 编排与工具调用（Function Calling、RAG、Skill 抽象）的系统性实践，准备一个可讲透的小项目
- 熟悉 AI 辅助研发链路（代码生成、审查、测试自动化），思考如何把流程从半自动化推进到自动化
面试指南
- 系统设计类问题用“业务背景—约束与权衡—方案选型—结果与复盘”四段式，突出你做决策的依据而非只讲实现
- AI 落地类问题强调“场景价值—技术方案—效果度量”闭环，说明如何验证 AI 输出质量与可控性
- 稳定性与调优类问题按“现象—定位手段—根因—改进与防复发”组织，体现方法论沉淀
- 请介绍一个你主导设计的高复杂度业务系统，架构是如何演进的，遇到过哪些扩展性瓶颈？
- Java 并发与 JVM 调优：讲一次线上性能问题的排查过程与最终优化结果
- 你在项目中如何把 LLM 或 Agent 集成进业务系统？Prompt、Function Calling、编排分别怎么设计？
- 如果让你为采购/法务场景设计数字员工，你会从哪些环节切入，怎么衡量效果？
- 你如何推动团队从传统研发模式转向 AI 驱动？遇到过阻力吗，怎么解决？
Watch Jobs