AI应用开发(智能体-全栈开发工程师 岗位分析)-Day04

参考资料:

CRDT(Conflict-free Replicated Data Type)算法

协作同步:OT和CRDT详解

这一次,彻底搞懵 CRDT

有道云笔记新版编辑器架构设计(上)

有道云笔记新版编辑器架构设计(下)

一、岗位战略定位:AI办公生态的「核心基建岗」

这个岗位并非普通的业务开发,而是TC在AI Agent赛道上的关键落子。2026年6月,TC文档发布行业首创的「人机双写」能力,原生接入 WorkBuddy 的统一Agent内核,标志着文档从"人用的编辑器"进化为"人与AI共同工作的内容平台"。

你的工作内容直接对应这一战略:

  • 产品层面:负责文档 × WorkBuddy 的 Agent 研发,实现AI以"同事"身份进入编辑器,与用户同屏接力协作
  • 技术层面:涉及高性能编辑引擎、MCP协议Skill、OT/CRDT协同冲突解决、混元大模型算力调度
  • 生态层面:TC文档已划入CSIG,作为「效率智能体套件」的核心组件,这个岗位处于AI to B战略的核心链路

一句话总结:这是在为"AI原生办公操作系统"打地基,岗位价值远高于普通业务开发。

二、薪资竞争力:中等偏上,但有隐性溢价空间

维度 分析
名义薪资 30-60K/月
市场对比 2026年深圳AI全栈工程师平均约35K,该岗位下限30K(3年经验档)略低于均值,上限60K(5年经验档)处于头部区间
赛道溢价 AI Agent工程师是当前增速最快(同比+230%)、薪资溢价最高(+35-45%)的细分方向,有生产环境Agent部署经验的候选人议价能力极强
隐性价值 AI项目的资源倾斜、混元大模型内部技术红利、文档/协同编辑领域的技术壁垒积累

判断 :如果是3年左右经验,30K起步属于合理但不算激进;如果能谈到50K+,则性价比很高。考虑到该岗位需要全栈+AI+文档编辑器三重交叉能力,市场上能匹配的人极少,谈判空间较大。

三、技术栈拆解:「T型人才」的极致版本

这个JD最可怕的地方在于,它要求你在三个高难度领域同时有深度:

1. 前端:不是写页面,是造编辑器

  • 核心:TypeScript + React/Vue 双栈,但重点不在框架本身
  • 深水区:富文本渲染、PPTX格式解析、协同编辑(OT/CRDT冲突解决)
  • AI原生交互:设计"人机双写"的交互范式------AI不是侧边栏工具,而是编辑器内的"协作者",这要求对光标、选区、撤销栈、操作变换(Operational Transformation)有底层理解

2. 后端:不是写接口,是搭Agent操作系统

  • 核心:Node.js + Python/Go/Java 至少两种技术栈
  • 深水区:微服务架构、高并发优化、容器化/CI/CD
  • AI工程化:Prompt工程、RAG系统设计、大模型服务接口封装、推理效率优化、资源消耗控制
  • 架构要求 :能输出符合 Clean Architecture / DDD 原则的设计文档------这意味着你要能画好领域模型图、上下文映射图,而不只是堆代码

3. AI:不是调API,是工程化落地

  • JD明确要求"深度参与AI模型工程化落地",包括:
    • 模型服务接口与数据交互方案设计
    • 推理效率优化与资源消耗控制
    • RAG应用、大模型微调(加分项)
  • 结合WorkBuddy的MCP协议和Skill体系,你需要理解Agent的任务拆解→工具调用→上下文记忆→结果交付全链路

4. 管理:不是虚线汇报,是技术Owner

  • "强烈的owner意识"、"主导5人以上研发团队"
  • 要求你具备技术方案规划与评审能力,能协调前后端+算法团队
  • 推动研发流程标准化、把控交付节奏------这是技术Leader的要求,而不仅是高级开发

四、求职策略:如何让自己成为「稀缺匹配者」

面试准备优先级

优先级 准备内容 考察点
P0 一个「复杂系统全生命周期」主导案例 架构设计、技术决策、跨团队协作
P0 协同编辑/富文本编辑器原理 OT/CRDT、冲突解决、undo/redo机制
P0 AI Agent系统设计 任务拆解、工具调用、RAG架构、Prompt工程
P1 高并发场景优化经验 微服务、缓存、消息队列、性能调优
P1 DDD/Clean Architecture实践 领域建模、分层架构、依赖倒置
P2 PPTX/Office格式处理经验 加分项,有则极大提升竞争力

关键话术建议

  • 不要只说"我会React/Vue" → 要说"我主导过基于OT算法的多人实时协同编辑器,解决了XXX冲突场景"
  • 不要只说"我调过大模型API" → 要说"我设计了一套RAG+Agent的文档生成流水线,将PPT制作效率提升了X倍,推理成本降低了X%"
  • 不要只说"我做过微服务" → 要说"我基于DDD重构了文档服务,将核心域与支撑域解耦,支撑了X万QPS的高并发场景"

简历亮点打造

如果你有以下任一经验,务必放在简历最显眼位置:

  1. 文档编辑器/协同编辑相关经验(哪怕是开源项目)
  2. AI Agent从0到1落地经验(非Demo,有真实用户量)
  3. PPTX/富文本渲染经验(这个加分项极其稀缺)
  4. 主导5人以上团队完成复杂系统交付

五、职业前景判断

这个岗位所在的赛道(AI Agent + 办公协同)是2026年最确定的增量市场之一:

  • 短期(1-2年):成为AI办公领域的资深全栈工程师,掌握"人机协作"产品形态的工程化方法论
  • 中期(3-5年):向AI应用架构师或技术负责人发展,文档/协同编辑领域的技术壁垒极高,跳槽溢价显著
  • 长期:AI Agent将从"工具"进化为"数字员工",提前卡位这个赛道的人,将成为下一代生产力平台的核心架构师
相关推荐
骇客野人1 小时前
AI全栈开发指定技术架构
人工智能
Escape1 小时前
为什么你的 AI 越聊越傻?从 Token 到 Agent,彻底搞懂 AI Agent的秘密㊙️
前端·人工智能·后端
2501_926978332 小时前
认知边缘的双向耦合:从核技术类比到智力货币时代
人工智能·经验分享·笔记·ai写作
SQDN2 小时前
Chatbox 1.22.1 获取不到模型?先验 /models,再对齐精确 model ID
人工智能·测试工具·机器学习·chatgpt·json
颜酱2 小时前
08 | 把维度值同步到 Elasticsearch(生成阶段)
人工智能·python·langchain
小马哥crazymxm2 小时前
Arxiv论文周选 (2026-W28)
论文阅读·人工智能·科技
ASKED_20192 小时前
一文阐述国内网络环境下使用NIM方法
人工智能·系统架构
GlobalHRTalk2 小时前
埃及名义雇主EOR业务概述与市场发展优势分析
大数据·运维·人工智能
董员外2 小时前
RAG 系统进化论(二):Naive RAG,检索增强生成的最小闭环
前端·人工智能·后端
Zeeland2 小时前
Agent 能完成一个任务,但它能持续追一个三个月的目标吗?
人工智能·github·openai