滴滴出行
资深全栈研发工程师
资深全栈研发工程师
发布于 2 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
Go
Llm
Ui自动化
云真机
分布式系统
值不值得投
78综合评分
综合评分 78
前沿AI测试基建岗、技术成长空间大、薪资竞争力强，但工作强度可能较高。
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
4.8万
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 2210 个在招 · 其中全栈开发 8 个
市场机会
选择面较广
北京 · 全栈开发 · 69 个在招
职位详情
关于这个职位
该职位负责构建基于大模型和AI Agent的智能UI测试平台及云真机基础设施，推动传统测试向AI自主测试演进
你需要具备扎实的全栈研发能力，参与前后端核心模块设计、高并发设备调度及分布式系统架构优化，打造端到端的自动化验证闭环
最低要求
扎实的全栈研发能力：5 年及以上软件研发经验，熟练掌握 Go、Java、Python、Node.js 等至少一种后端技术栈，具备良好的系统设计和工程实现能力
前端工程能力：熟悉 TypeScript、React 或 Vue 等现代前端技术，能够独立完成复杂 Web 产品的核心功能开发
系统架构能力：熟悉 Linux、网络通信、并发编程、分布式系统，具备高可用、高性能服务研发和问题排查能力
技术探索能力：对 AI Agent、LLM 应用、智能自动化有较强兴趣，能够快速学习新技术并完成工程落地
产品与交付意识：具备独立负责复杂技术模块的能力，能够从用户场景出发推动技术方案设计、开发和持续优化
工作职责
AI UI 自动化能力建设
负责 AI UI 自动化核心产品的架构设计与研发，构建基于大模型和 AI Agent 的智能 UI 测试能力
建设 AI 视觉理解、UI 元素定位、智能操作、结果断言、异常恢复等核心能力，支持 Android、iOS 及 Web 等场景
探索自然语言驱动的测试方案，实现从测试意图理解、用例生成到自动执行、报告分析的端到端闭环
优化 AI 自动化测试的执行效率、稳定性和成功率，推动传统脚本自动化向 AI 自主测试演进
云真机平台建设
负责云真机平台的架构设计与核心功能研发，实现设备统一接入、资源调度、远程控制及自动化管理
建设设备管理、远程屏幕投射、实时交互、应用安装、日志采集、远程调试等基础能力
设计高并发设备调度、资源隔离、故障恢复及弹性扩展机制，提升云真机平台的规模化服务能力
为 AI Agent 提供标准化设备操作接口和稳定的云端执行环境
全栈产品与工程架构
负责平台前后端核心模块设计与开发，提供高性能、易使用的 Web 管理控制台及开放 API
建设任务编排、实时通信、执行可视化、测试报告、回放分析等产品能力
参与分布式系统、高并发服务、云原生基础设施的架构设计与性能优化
推动 AI UI 自动化与研发工作流、CI/CD、AI Coding Agent 等研发工具深度集成
优先资格
有 Playwright、Appium、Selenium、Midscene 等 UI 自动化框架实践经验
熟悉 Android ADB、Accessibility、iOS WebDriverAgent 等设备控制和自动化技术
熟悉 WebRTC、WebSocket、音视频流传输或远程设备交互技术
有云真机、设备农场、移动端自动化测试平台或大规模设备调度系统建设经验
AI 洞察
优缺点分析
优点
- 处于AI与软件工程结合的前沿领域，能够深度参与AI Agent和LLM在测试场景的工程化落地
- 平台型基础设施建设经验含金量高，涉及高并发、分布式、云原生等硬核技术，技术壁垒深厚
- 依托丰富的业务场景，能够接触到海量设备和复杂的研发工作流，实践机会充足
- 云真机平台涉及软硬件结合及高并发调度，系统复杂度高，问题排查和性能优化的难度较大
- 适合具备扎实全栈功底、对AI技术有热情，且喜欢从0到1构建复杂系统架构的资深工程师
缺点 / 挑战
- AI自主测试属于探索性较强的方向，技术落地过程中可能面临模型幻觉、执行不稳定等工程挑战
角色解读
- 向AI基础设施架构师方向发展，深入掌握大模型在软件工程中的落地应用
- 成长为测试平台或云真机平台的技术负责人，带领团队解决大规模设备调度与高并发难题
- 负责构建基于大模型和AI Agent的智能UI测试平台，实现自然语言驱动的端到端自动化测试闭环
- 主导云真机平台的架构设计与核心功能研发，提供高并发设备调度、远程控制和自动化管理能力
- 开发高性能的前后端核心模块，将AI UI自动化与CI/CD、AI Coding Agent等研发工具深度集成
- 具备5年以上全栈研发经验，精通Go/Java/Python/Node.js等至少一种后端语言及TypeScript/React/Vue等前端技术
- 熟悉Linux、网络通信、并发编程及分布式系统，具备高可用、高性能服务架构设计与排查能力
- 对AI Agent、LLM应用有浓厚兴趣，了解UI自动化框架（如Playwright、Appium）及移动端设备控制技术
申请策略
- 深入了解当前的研发效能体系和AI在测试领域的布局，面试时展现出对业务痛点的深刻理解
- 准备好应对系统架构设计和技术深度拷问，能够清晰阐述复杂系统的演进思路和性能优化手段
- 突出全栈开发能力，详细列举使用Go/Java/Python及React/Vue独立负责的核心项目及高并发架构经验
- 强调在AI Agent、LLM应用或自动化测试领域的探索与实践，展示将新技术转化为工程落地的能力
- 若有云真机、设备农场或大规模设备调度系统的建设经验，需作为核心亮点重点展示
- 提前了解并实操Playwright、Midscene等新一代AI UI自动化框架，熟悉自然语言驱动测试的业界方案
- 复习分布式系统、高并发调度及云原生基础设施的设计模式，准备相关的架构设计案例
面试指南
- STAR法则：针对架构设计或性能优化问题，从背景、任务、行动（具体技术方案）、结果（量化收益）展开
- 系统性思维：回答平台设计问题时，从需求分析、架构分层、核心模块设计、高可用/扩展性保障、监控运维等维度全面阐述
- 如何设计一个基于大模型的AI UI自动化测试框架，解决传统脚本维护成本高的问题？
- 在云真机平台中，如何实现高并发设备调度与资源隔离，保证系统的稳定性和弹性扩展？
- 请分享一个你主导的高性能分布式系统架构设计案例，遇到了哪些性能瓶颈及如何优化？
- 如果AI Agent在执行UI测试时遇到页面元素动态变化导致操作失败，你会如何设计异常恢复机制？
- 梳理过往项目中的全栈开发经验，特别是前后端分离架构、实时通信（WebSocket）及高并发服务的实现细节
- 调研当前AI Agent在软件测试领域的最新进展（如基于视觉理解的UI定位、自然语言用例生成），形成自己的技术见解
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
作为资深技术岗位，薪资水平处于市场前列，且依托大型上市企业，整体薪酬福利体系完善且稳定。
薪资信号未披露（AI估算：3.5千–6万/月）
成长发展
90较高
岗位聚焦AI Native测试与云真机基建，涉及LLM、AI Agent等前沿技术，技术成长空间与业务价值极高。
技术前沿前沿/新兴技术
技术栈AI Agent、LLM、Go、Python、TypeScript、React、分布式系统、云原生
业务类型cost_center
工作生活
50较低
JD未明确提及工作模式与WLB信息，但作为资深基建岗位且涉及高并发与复杂架构，工作强度可能较大。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
推动下一代AI Native测试体系建设，用AI替代传统手工测试，具有较高的工程创新价值与行业前瞻性。
行业发展高速增长赛道
社会影响中性/一般
使命信号用 AI 自主测试替代传统手工 UI 测试、让软件验证变得更加智能、高效和自主
创新程度开拓性创新（行业首创）
Watch Jobs