AI-Native 开发工程师（后端方向）【2027届】

优缺点分析

角色解读

• 从后端开发成长为AI全栈工程师，深入掌握大模型应用开发的核心技能
• 可向技术专家或架构师方向发展，负责高并发AI服务的设计与治理
• 未来也可转向AI产品研发或技术管理，结合业务创造更多价值
• 参与B站音频直播、虚拟开播等核心业务的后端服务开发，处理高并发实时交互场景
• 使用Cursor、Copilot等AI编程工具辅助编码、测试和问题排查，提升研发效率
• 建设Agent、RAG、知识库等AI应用的服务端能力，包括模型调用、上下文管理和工具调用
• 与产品、算法、前端协作，确保需求按时上线，并持续优化系统稳定性和性能
• 掌握Go、Java、Python或C++中至少一门语言，具备扎实的编程基础和算法能力
• 熟悉MySQL、Redis、消息队列等常用中间件，了解服务端通信协议（HTTP/WebSocket/SSE）
• 对大模型调用、Prompt、Agent、RAG等AI技术有基本了解，有相关实践更佳
• 熟练使用AI编程工具（如Cursor、Claude Code），并能审查和优化AI生成的代码

申请策略

• 了解哔哩哔哩猫耳的业务形态和用户特点，面试时可结合具体场景提出技术方案
• 关注B站校招投递时间，准备多轮面试，提前刷题并准备项目讲解
• 突出最完整的后端项目，尤其是涉及高并发、中间件或系统设计的实践，说明你的职责和成果
• 强调AI编程工具的使用经历，例如用Cursor完成过哪些任务，如何保证代码质量
• 如果有Agent、RAG或大模型项目，最好有可量化的效果数据（如准确率、性能提升）
• 展示参与开源项目或从0到1的项目经验，体现独立解决问题的能力
• 系统学习RAG、Agent、Prompt Engineering等知识，动手搭建一个简单AI应用（如知识库问答）
• 熟悉Docker、CI/CD等工程化工具，练习部署一个后端服务

面试指南

• 对于系统设计题，先明确需求边界，再划分模块（接入层、服务层、存储层），用图或伪代码表达，最后讨论性能、一致性和异常处理
• 对于AI项目，按照'痛点-方案-实现-效果'的逻辑阐述，突出Prompt设计、检索优化、评估方法等细节
• 对于项目经验，使用STAR法则（情境-任务-行动-结果），量化成果，并反思不足之处
• 请描述一个你使用AI编程工具优化开发效率的具体案例
• 如何设计一个基于RAG的知识库问答系统？从数据预处理到检索生成讲一下
• 在直播互动的场景下，如何保证消息的实时性和系统的高可用？
• 你如何理解Agent？实现一个多步工具调用的工作流需要考虑哪些问题？
• 你的项目中遇到过哪些线上问题？如何排查和解决？