智谱
后端研发工程师
后端研发工程师
发布于 5 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
Api设计
CI/CD
Gin
Go
云原生
大模型工程化
数据库设计
值不值得投
薪资怎么样
3.7万
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 280 个在招
市场机会
选择面较广
北京 · 后端开发 · 约 460 个在招
职位详情
关于这个职位
在智谱负责 Web 产品后端核心功能的开发与上线，主要用 Python/Go 搭配 FastAPI 构建服务，并借助 AI Coding 工具提升研发效率
岗位不仅关注性能、稳定性与线上故障处理，也重视复杂系统的重构与技术债治理，同时欢迎对大模型数据管线、Agent 工程化有热情的工程师
最低要求
计算机相关专业本科及以上学历，3年以上后端开发经验
具备扎实的计算机基础知识、软件工程和后端研发能力，有独立负责完整项目或核心模块的经验
熟练掌握 Python 或 Go 等后端开发语言，深入使用 FastAPI 进行后端系统开发
具备扎实的 Linux、Docker 及 CI/CD 实践经验，能够独立完成服务部署、环境排查及线上问题定位
具备良好的数据库及 API 设计能力，能够理解并重构快速迭代形成的系统，持续提升系统工程质量
对人机协同数据策略和数据处理有兴趣，具备良好的代码风格和编程习惯
具备良好的沟通能力、团队协作精神和问题解决能力，积极主动，有责任心
工作职责
根据产品需求，负责 Web 项目后端核心功能的开发和上线
熟练使用 AI Coding 工具，能够借助 AI 提升研发效率，同时保证代码质量和系统可维护性
参与后端技术选型、架构设计讨论，并能根据项目需求引入合适的后端技术和工具
负责解决性能、稳定性及线上故障等问题，并持续推动系统优化
能够快速理解和梳理现有系统，具备复杂代码重构、技术债治理能力
编写和维护必要的技术文档
优先资格
对大模型及 AI 工程化方向有探索热情，有大模型数据管线、Agent Harness 等相关经验
理解 Agent 的 Context、Tool Calling、Memory、Workflow 等核心机制
有云原生、分布式系统或全栈研发经验
熟悉 Go 及 Gin 框架，具备相关项目开发经验
AI 洞察
优缺点分析
优点
- 直接参与大模型产品的后端建设，可积累 Agent、数据管线等前沿方向的工程经验
- 岗位强调 AI Coding 工具使用，能较早形成人机协同的高效研发习惯
- 职责覆盖从开发到部署、优化、重构的完整链路，有利于建立系统性的后端能力
- 要求同时兼顾新功能交付与历史系统重构，需要在业务节奏和代码质量之间做平衡
- 线上故障与稳定性问题需承担直接责任，对排查能力与抗压能力要求高
- 加分项指向大模型工程化，若此前无相关经验需要额外投入学习
- 适合有 3 年以上后端经验、希望进入大模型赛道并愿意主动用 AI 工具重塑工作方式的工程师
- 也适合喜欢啃老系统、做重构和性能优化的实干型开发者
缺点 / 挑战
- 技术选型与架构讨论有参与空间，成长天花板较高
角色解读
- 纵向可沿高级后端工程师—技术专家/架构师路径发展，深耕高并发服务与大模型工程化方向
- 横向可转向 AI 基础设施、Agent 平台或技术管理，参与技术选型与架构决策
- 在大模型赛道积累的数据管线与 Agent 工程经验，在市场上具备较强稀缺性
- 负责 Web 产品线后端核心功能的设计、开发与上线，直接支撑面向用户的产品功能迭代
- 日常需要用 Python/Go + FastAPI 交付服务，并大量使用 AI Coding 工具提升编码效率
- 同时承担性能优化、线上故障排查与老系统重构，把快速迭代留下的技术债逐步清理掉
- 扎实的后端基本功：Python 或 Go 语言、FastAPI 框架、数据库与 API 设计能力是硬门槛
- 工程化能力：Linux、Docker、CI/CD 实践，能独立完成部署与线上问题定位
- 系统治理能力：能读懂并重构他人代码，具备性能与稳定性优化经验
- 加分项是理解大模型数据管线与 Agent 的 Context、Tool Calling、Memory、Workflow 机制
申请策略
- 投递前了解智谱的产品线与模型能力（如 GLM 系列），在沟通中体现对业务场景的理解
- 简历中可说明你使用 AI Coding 工具的真实工作流与提效数据，这与岗位职责高度契合
- 突出一个你独立负责或主导核心模块的完整项目，写清业务规模、技术栈与你的具体产出
- 量化服务性能与稳定性成果，如 QPS、P99 延迟、可用性、故障恢复时长等指标
- 展示重构或技术债治理案例，说明改造前后的差异与收益
- 如有大模型数据管线、Agent 工具调用、RAG 等实践，请单独列出并写明你负责的部分
- 补齐 FastAPI 的异步编程、依赖注入与性能调优细节，准备可讲述的实践案例
- 系统梳理 Linux 排障与 Docker/CI/CD 流水线搭建，确保能独立讲清一次线上问题定位过程
面试指南
- 项目类问题用 STAR 结构：背景与目标 → 你的角色 → 关键技术决策与权衡 → 量化结果，重点讲清
- 请介绍一个你独立负责的完整后端项目，架构如何选型，你解决了哪些关键问题？
- FastAPI 的异步机制和依赖注入是如何工作的？高并发下你会怎么优化？
- 线上接口 P99 延迟突然升高，你的排查思路是什么？
- 面对一个快速迭代形成的复杂系统，你会如何制定重构方案并控制风险？
- 你如何理解 Agent 的 Context、Tool Calling、Memory、Workflow？有相关落地经验吗？
- 准备 1-2 个能深挖的技术项目，把架构图、关键取舍和线上问题排查过程讲透
- 复习 FastAPI、Python 异步、数据库索引与 API 设计等基础，准备好手写或口述代码题
Watch Jobs