智谱
MaaS-AI Native 研发工程师（后端 / 全栈 / 平台）
MaaS-AI Native 研发工程师（后端 / 全栈 / 平台）
发布于 3 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
Claude Code
Go
Prompt Engineering
Trae
全栈开发
自动化工作流
值不值得投
68综合评分
综合评分 68
AI 原生研发岗，前沿 AI 编程工作流与技术成长性强，薪资福利和办公模式未披露。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.3万
比全栈开发中位数高
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 320 个在招
市场机会
选择面较广
北京 · 全栈开发 · 77 个在招
职位详情
关于这个职位
这个岗位是智谱的 AI Native 研发工程师，重点是用 Claude Code、Codex、Trae 等 AI 编程工具覆盖需求实现、调试、测试、重构和上线，同时负责业务系统、平台能力或核心模块迭代
你需要把个人 AI 开发工作流沉淀为可复用的 rules、skills、脚本、模板或工作流，并与产品、设计、测试协作快速交付
适合高频使用 AI coding、有产品 sense 且不给自己设边界的工程师
最低要求
JD 未明确学历与工作年限硬性要求
需要熟悉至少一种主流开发语言（Python、Go、Java、TypeScript、Rust）
能使用 AI 编程工具覆盖日常开发流程，完成需求实现、调试、测试、重构和上线
能与产品、设计、测试协作交付
能通过测试、日志、运行结果、代码审查等方式验证 AI 产出
工作职责
用 AI 编程工具覆盖日常开发流程，完成需求实现、调试、测试、重构和上线
负责业务系统、平台能力或核心模块的持续迭代
把 AI 用法沉淀成可复用的 rules、skills、脚本、模板或工作流
和产品、设计、测试一起把需求更快做出来、做上线
优先资格
在真实项目里长期高频使用 AI coding 工具，并且已经形成自己的工作流
能具体讲清楚自己平时怎么用 AI 做开发，包括怎么给上下文、怎么拆任务、怎么验证结果
能在面试里直接展示自己的日常 AI 工作台，比如常用工具链、rules、prompt 模板、skills 目录、自动化脚本等
有可展示的相关作品，比如开源项目、Agent Demo、效率工具、自动化流程、技术博客、公开分享
不只会“让 AI 出代码”，也会自己做验证，能用测试、日志、运行结果、代码审查去确认东西真的可用
熟悉至少一种主流开发语言，比如 Python、Go、Java、TypeScript、Rust
投递时欢迎附上 GitHub / 个人主页
代表性 AI 项目
常用的 AI Agent 工作流或工具链说明
自己的 rules、skills、脚本或工作台截图
AI 洞察
优缺点分析
优点
- 岗位直接围绕 AI Native 研发方式，能系统积累 AI coding、Agent 工作流和自动化经验
- 业务覆盖后端、全栈与平台，技术边界宽，适合不愿被单一栈限制的工程师
- 公司处于 AI 大模型方向，岗位与 MaaS、AI 平台等前沿业务相关，行业曝光度高
- 强调把 AI 用法沉淀为 rules、skills、脚本和模板，个人方法论有机会产品化、团队化
- 岗位对自驱力和 AI 工具熟练度要求高，需要真的长期高频使用并形成工作流，而非临时上手
- 既要快速交付又要保证质量，必须自己做好测试、日志和代码审查，不能过度依赖 AI 生成
- JD 未明确城市、薪资和办公模式，投递前需要主动确认，存在信息不确定性
- 适合已经高频使用 AI coding 工具、有全栈或后端开发能力、愿意探索 AI 原生研发方式并具备强自驱力的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可在 AI Native 全栈/平台工程方向持续深耕，成为既懂业务又懂 AI 工作流的复合型工程师
- 有机会转向 AI Agent、研发效率平台或 AI 原生工具链建设，积累前沿工程实践
- 随着工作流沉淀和跨团队影响力提升，可向技术负责人或研发效能方向拓展
- 日常以 AI 编程工具为主完成需求实现、调试、测试、重构和上线，而不是只做传统手写代码
- 负责业务系统、平台能力或核心模块的持续迭代，可能横跨后端、全栈与平台开发
- 把个人使用 AI 的方法沉淀为可复用的 rules、skills、脚本、模板或工作流，让团队复用
- 与产品、设计、测试紧密协作，用更快节奏把需求做出来并上线
- 至少熟悉 Python、Go、Java、TypeScript、Rust 中一种主流开发语言，能独立完成模块开发
- 高频使用 Claude Code、Codex、Trae 等 AI coding 工具，理解如何给上下文、拆任务和验证结果
- 具备工程验证意识，能用测试、日志、运行结果和代码审查确认 AI 产出真正可用
- 有产品 sense 和跨角色协作能力，能把 AI 工作流沉淀成团队可复用的资产
申请策略
- 投递时按 JD 欢迎的材料直接附上 GitHub、代表性 AI 项目和工作流说明，降低筛选成本
- 面试前了解智谱 MaaS 与 AI 平台业务方向，准备把个人 AI 实践与岗位业务场景结合讲述
- 重点写清楚你使用 Claude Code、Codex、Trae 等工具的真实项目案例，以及效率提升或交付结果
- 展示你的 AI 工作流：如何给上下文、拆任务、写 rules、维护 skills、做自动化脚本和验证结果
- 附上 GitHub、开源项目、Agent Demo、效率工具、技术博客或公开分享，证明可展示的作品
- 突出全栈/后端/平台开发经验，尤其是业务系统、核心模块或平台能力的持续迭代经历
- 提前整理个人 AI 工作台，包括常用工具链、prompt 模板、rules、skills 目录和自动化脚本
- 强化工程验证能力，准备测试、日志、运行结果和代码审查相关的实践案例
面试指南
- 用“场景—工作流—验证—结果”结构回答：先讲业务场景，再讲 AI 工具如何介入，最后用测试、日志、代码审查证明质量
- 展示可复用资产：不只说会用工具，而是说明你沉淀了哪些 rules、skills、模板或脚本，以及团队如何复用
- 对失败案例采用“问题—根因—修复—预防”框架，体现对 AI 产出的审慎验证和工程判断
- 请描述你日常使用 Claude Code/Codex/Trae 的完整工作流，从需求到上线分别怎么用 AI？
- 你如何给 AI 提供上下文、拆解任务，并判断它生成的代码可以上线？
- 请展示你的 AI 工作台：常用工具链、rules、prompt 模板、skills 目录或自动化脚本
- 讲一个你用 AI 编程工具提效但出现问题的案例，你如何定位和修复？
- 如果业务方要求两周上线一个平台模块，你会如何用 AI 原生方式拆解和交付？
职位点评
薪资福利60
成长发展85
工作生活50
使命价值82
薪资福利
60中等
JD 未披露薪资和福利，补偿性信息有限；全职岗位可提供基本稳定性，但薪资竞争力与福利需与 HR 确认。
薪资信号未披露（AI估算：3.0千–5.5万/月）
成长发展
85较高
岗位直接围绕 AI Native 研发与 AI 编程工具工作流，技术方向前沿，个人能沉淀可复用资产；JD 未明确培训或晋升机制。
技术前沿前沿/新兴技术
技术栈Claude Code、Codex、Trae、AI Agent、rules、skills、prompt 模板、自动化脚本、Python、Go、Java、TypeScript、Rust
业务类型ambiguous
工作生活
50较低
JD 未提及办公模式、加班情况或 WLB 信号，生活化动机难以判断，建议面试时主动确认。
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
82较高
职位处于 AI 大模型与 AI Native 研发方向，行业增长性强且使命信号明确；社会影响主要体现在提升软件研发效率。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号AI 正在重构软件研发的生产方式、重塑下一代工程师的能力边界
创新程度积极采用新技术
智谱 的其他在招职位
相似职位推荐
Watch Jobs