百度
后端开发工程师（J104290）
后端开发工程师（J104290）
发布于 大约 9 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
后端开发
Go
Llm
Rag
分布式系统
向量数据库
微服务
AI 估算 · 35k–60k
职位详情
关于这个职位
作为百度AI平台的后端开发工程师，你将负责AI平台的整体架构设计与核心模块开发，包括LLM调用、智能体调度、知识中台等全链路能力建设
工作涉及高并发分布式系统设计、性能优化与稳定性保障，需要深入掌握Python/Go等语言及分布式技术，并具备大模型RAG平台经验
你将参与前沿AI技术的落地，与团队共同推动研发智能化转型
最低要求
本科及以上，5 年以上后端开发经验，3 年以上分布式平台 / AI 平台 / 大模型 RAG 平台后端建设经验，有AI平台开发和AI知识库开发经验优先
精通 Python/TypeScript/Go 其中一种，熟练微服务、异步队列、分布式锁、多级缓存、分库分表等分布式技术
熟悉向量数据库（Milvus/Chroma/PgVector）、ES、Redis、MySQL 优化，有海量文档检索、知识库平台落地经验
了解 LLM 调用链路、Prompt 管理、Agent 工作流、RAG 完整链路，有 OKF / 标准化知识库、智能流程引擎开发经验优先
具备复杂系统架构设计能力，能独立完成高并发、大数据量场景技术方案设计与落地
熟悉监控、链路追踪、压测、容灾降级体系，具备线上重大故障排查与复盘能力
良好的文档沉淀、跨团队沟通能力，具备技术带教、项目推进能力
具备良好的问题解决能力和团队协作精神，能够承受一定工作压力
工作职责
负责AI 平台整体架构与核心模块设计
负责企业级 AI 工具平台后端整体架构规划、技术选型、分层拆分，支撑 LLM 调用、AI 智能体调度、OKF 知识中台、研发自主智能体全链路能力建设，保障平台高并发、高可用、可扩展
针对大模型推理、向量检索、海量研发知识存储、多智能体任务编排等高负载场景，输出分布式架构方案，完成容量评估、性能瓶颈预判、容灾降级设计
主导平台核心技术规范制定：接口标准、存储分层、异步任务、权限鉴权、流量管控、日志埋点、可观测体系统一规范
负责AI 自主研发工作流和Agent调度引擎开发
设计实现 AI 智能体调度、任务编排工作流引擎，支撑需求分析、代码生成、自动化测试、缺陷复盘全链路自主研发流程
搭建 LLM 统一调度网关，实现多模型路由、请求限流、上下文缓存、Token 管控、调用计费与熔断隔离
开发人机协同流程引擎，支持 AI 任务自动执行、人工介入审核、任务断点续跑、执行记录全链路追溯
打通 AI 任务与 OKF 知识库联动逻辑，实现任务自动拉取业务知识、执行经验自动沉淀入库闭环
负责平台稳定性、性能与质量保障体系建设
负责平台线上稳定性保障，处理大模型调用超时、向量库读写瓶颈、海量知识同步阻塞、分布式事务等线上疑难问题，输出根因优化方案并落地
搭建全链路监控告警体系：模型调用指标、知识检索 RT、同步成功率、AI 任务通过率、知识库合规率等核心指标观测大盘
主导平台性能专项优化：慢查询治理、多级缓存设计、批量异步处理、分库分表、资源隔离，支撑研发全团队大规模并发使用
完善平台安全管控：接口鉴权、数据脱敏、知识库权限分级、模型输入输出内容安全校验、操作审计留痕
AI 洞察
优缺点分析
优点
- 百度作为AI巨头，技术平台成熟，能接触前沿的大模型应用技术
- 大厂平台资源丰富，薪资福利有竞争力
- 技术更新快，需要持续学习，保持技术领先
- 跨团队协作多，对沟通和文档能力要求高
缺点 / 挑战
- 岗位涉及AI平台全链路，技术挑战大，成长空间大
- 工作强度大，需要处理高并发和线上故障，压力较大
- 适合有5年以上后端经验，对AI技术有热情，能承受压力，追求技术深度和平台价值的资深工程师
角色解读
- 可向AI平台架构师方向发展，主导更大规模分布式系统设计
- 可深入大模型应用层，成为AI工程化专家，负责AI平台整体技术规划
- 有机会带团队，从技术专家转向技术管理岗位
- 负责AI平台整体架构设计，包括LLM调用、智能体调度、知识中台等核心模块，确保高并发、高可用
- 开发AI工作流和Agent调度引擎，实现任务编排、人机协同、断点续跑等功能，支撑研发流程自动化
- 保障平台稳定性，处理线上故障，优化性能，搭建监控告警体系，完善安全管控
- 精通Python/Go/TypeScript，熟悉微服务、分布式锁、多级缓存等分布式技术
- 熟悉向量数据库（Milvus等）、ES、Redis、MySQL，有海量文档检索经验
- 了解LLM调用链路、RAG、Agent工作流，具备复杂系统架构设计能力
申请策略
- 了解百度AI平台业务方向，准备相关项目案例
- 关注公司技术博客，了解团队技术栈
- 突出分布式系统架构设计经验，尤其是高并发、大数据量场景
- 强调AI平台、知识库或RAG相关项目经历，展示对LLM和Agent的理解
- 展示性能优化和故障排查的案例，体现解决复杂问题的能力
- 深入学习RAG、Agent工作流和向量数据库技术
- 熟悉主流监控、链路追踪工具，如Prometheus、Grafana
- 了解大模型推理优化和分布式训练基础
面试指南
- 采用STAR法则，结合具体项目，突出设计思路和结果
- 强调技术选型、性能优化和故障处理的实际经验
- 展示对AI技术趋势的理解和系统设计能力
- 请描述一个你设计的高并发系统架构，如何保证可用性？
- 如何优化向量数据库的检索性能？
- 你如何设计一个Agent调度引擎？
- 遇到线上故障时，你的排查思路是什么？
- 如何保障AI平台的安全性和合规性？
职位点评
77
综合评分
AI大厂核心岗位，技术前沿，薪资高，但工作强度大。
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。
更适合这类人
适合追求技术成长和职业发展，能接受高强度工作的资深工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
百度作为大厂，薪资福利有竞争力，但具体薪资未披露，稳定性好。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
95较高
岗位涉及AI前沿技术，技术挑战大，成长空间大，有技术带教机会。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、向量数据库
成长机会技术带教
业务类型profit_center
工作生活
40较低
工作地点在北京，现场办公，未提及弹性工作，可能加班。
工作模式仅现场办公
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
80较高
AI技术推动研发智能化，有行业价值，但社会影响中性。
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