哔哩哔哩
资深开发工程师（游戏广告营销AI工程方向）
资深开发工程师（游戏广告营销AI工程方向）
发布于 大约 16 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
学历未注明
软件工程
RAG
GO
LLM
MCP
Ai工程化
Workflow
AI 估算 · 30k–55k
B站上市大厂，资深AI工程岗，技术栈前沿，薪资竞争力强，月薪3-5.5万，年终1-4个月。
职位详情
关于这个职位
这是一个游戏广告营销AI方向的资深开发岗位，负责将AI能力（如LLM、多模态）工程化落地到广告投放、素材生产等业务流程中
你将参与从需求到交付的全流程，建设标准化的AI平台和组件，并与多个团队协作提升业务效率
适合有后端开发和AI工程化经验的技术专家
最低要求
年以上后端/平台开发经验（Java/Go/Python等），工程基础扎实：并发、网络、性能、分布式、稳定性治理
有AI应用工程化经验：主导过至少1个LLM相关项目从0到1上线并持续迭代（RAG/Agent/知识库/自动化运营/智能分析等），能用数据证明价值
熟悉LLM应用关键技术栈与方法（具备其一或多项并能落地）：RAG、Workflow/Agent编排、工具调用（含MCP）、记忆/上下文治理、提示工程、结构化输出、评测与A/B
具备线上交付与平台化能力：服务化部署、弹性扩缩容、缓存/队列、限流熔断、灰度发布、监控告警、成本与延迟优化
工作职责
负责AI能力在业务侧的工程化落地：从需求澄清、方案设计、PoC验证到上线交付与持续迭代，保证可用性、稳定性
建设AI工程标准化落地方案与平台能力：沉淀可复用组件/SDK/脚手架与交付SOP，推动多业务线复用与规模化推广
构建LLM/多模态应用体系：包括RAG（检索增强）、Agent/Workflow编排、工具调用（Function Calling/MCP等）、记忆工程（Memory）、结构化输出与复杂任务分解
跟踪行业最新AI能力与工程趋势并推动落地：如新模型接入与路由、多Agent协作、推理增强、长上下文、多模态、自动化评测与安全对齐等，形成可验证收益的创新方案
与产品/运营/算法/数据/安全团队协作，把AI能力嵌入关键业务流程（广告投放、素材生产、数据加工、BI报表等），提升效率与效果
优先资格
了解大数据技术栈，如MaxCompute、Holo、StarRocks、Flink等，有实际项目经验者优先
有广告投放/归因/RTA/数据工程等相关经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触LLM、多Agent、RAG等最新技术，保持核心竞争力
- 平台优势：B站拥有丰富的内容和用户场景，AI应用落地空间大
- 业务价值明确：广告营销是公司核心变现业务，项目产出直接影响营收
- 工程复杂度高：需要将AI能力稳定、高效地集成到现有业务系统，涉及多团队协作
- 技术迭代快：AI领域变化迅速，需要持续学习跟踪最新趋势
缺点 / 挑战
- 交付压力大：业务方对AI效果期待高，需快速验证并迭代
- 适合有3年以上后端开发经验、对AI工程化有热情、喜欢挑战和推动技术落地的工程师
角色解读
- 技术专家路线：深耕AI工程化领域，成为LLM应用架构师或AI平台负责人
- 管理路线：带领AI工程团队，负责多条业务线的AI落地，逐步晋升为技术经理或总监
- 业务融合路线：深入广告营销业务，转型为AI+业务复合型人才，参与产品策略制定
- 将LLM、多模态等AI能力工程化落地到广告营销业务，包括需求分析、方案设计、开发部署与持续优化
- 构建和沉淀可复用的AI组件、SDK、脚手架，推动多业务线复用和规模化推广
- 与产品、运营、算法等多团队协作，将AI嵌入广告投放、素材生产、数据加工等关键流程
- 跟踪AI工程前沿趋势（如多Agent、推理增强），推动创新方案的验证与落地
- 扎实的后端开发能力：精通Java/Go/Python之一，熟悉分布式系统、性能优化、稳定性治理
- AI工程化经验：主导过LLM相关项目（RAG/Agent等）从0到1上线，能用数据证明价值
- 熟悉LLM技术栈：RAG、Agent编排、工具调用（MCP）、提示工程、结构化输出等
- 具备线上交付能力：服务化部署、弹性扩缩容、监控告警、成本优化等
申请策略
- B站注重技术和业务结合，简历中要体现对广告营销业务的理解
- 投递前了解B站AI中台和广告平台的产品，面试时能提出自己的见解
- 突出主导的LLM相关项目：描述项目背景、你的角色、技术方案和量化收益（如效率提升百分比）
- 展示后端工程实力：强调分布式系统设计、性能优化、线上稳定性治理等方面的经验
- 列出熟悉的AI技术栈：RAG、Agent、工具调用等，并说明实际落地细节
- 如有广告/大数据经验，务必突出
- 补充AI工程化实战：如果没有完整项目，可以自己搭建一个RAG或Agent演示项目
- 深入学习LangChain、LlamaIndex等主流框架，了解MCP协议
面试指南
- STAR法则：情境-任务-行动-结果，重点突出量化成果和技术难点
- 对比方案：说明多种技术方案的优劣，展示思考深度
- 工程思维：从稳定性、可维护性、成本等角度阐述设计决策
- 请描述你主导的一个LLM项目从0到1的完整过程，包括技术选型、挑战和效果
- 如何解决RAG系统的检索准确性和响应延迟问题？
- 如何设计一个可扩展的Agent编排系统？
- 在分布式系统中，如何保证AI推理服务的稳定性和高并发？
- 如何评估AI业务的上线效果？请举例说明
匹配度报告
71
综合匹配度
B站AI工程岗，前沿技术栈，高成长性，薪资竞争力强，但WLB一般。
适合人群
最适合追求技术成长和职业发展的工程师，对工作生活平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利匹配
75中等
B站上市大厂，薪资在市场偏上水平，福利完善（五险一金、年假等），具备较高补偿性。
薪资信号未披露（AI估算：30K-55K/月）
成长发展匹配
90较高
该岗位聚焦AI工程前沿技术，有大量实战和平台建设机会，职业成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、Workflow、MCP、多模态、推理增强
业务类型profit_center
工作生活匹配
50较低
B站作为互联网公司，工作节奏较快，但未明确提及WLB政策，生活平衡一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
广告营销AI方向直接贡献公司营收，具有一定商业价值，但社会影响力中性。
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