调研一家公司，除了常规的财务等一般方法外，还有很多奇葩的方法：

比如UBS曾经就利用卫星图像分析沃尔玛停车场的车辆流量，用来估算其季度销售额；

比如不少VC在投资某个App前会一页一页去翻AppStore和Google Play的真实评论；

本质上，以上这些方式都是通过另一个维度获取交叉的增量信息，在信息论中称之为“等价信息”。

今天，我们也从另一个有意思的角度——“招聘”来看一看微信这个国民产品最新的策略与背后的逻辑。

在这个分析中，我们既可以看到微信训练大模型方向的蛛丝马迹，也可以看到微信做AI Agent的可能切入角度，还可以看到小程序业务反直觉的某些招聘迹象。

一、如何从公开数据中寻找有价值的增量信息？

腾讯招聘的官网所有人都可以自由浏览，无需登录，且提供了事业群、岗位类型、岗位城市等多个维度的信息筛选。

想要知道微信在招什么人，只需要在事业群中选择“微信WXG微信事业群”、在类型中选择“社招”，全部岗位信息就一览无余。

以这次研究的5月27日为例，全部岗位信息为170个。

点击每个岗位，可以非常清楚地看到岗位名称、职责、要求、城市等最细颗粒度的信息。

很显然，要进行深入的分析，我需要获取其全部数据，这时候AI Agent的作用就体现出来了。

我分别使用了Manus、天工、扣子空间、MiniMax、Genspark、Fellou、flowith等一众Agent工具齐上阵，成功获取了这170个岗位的全部信息。（这些Agent一言难尽的体验会在文末简要提及。）

这些数据之所以是公开而详尽，原因在于要想提高招聘效率，就需要减小与应聘者之间的信息不对称。

因而公开、详尽的岗位信息就成为必要选项。

这就给了我们通过公开的招聘信息反推业务提供了一条可能的通道，通过各个维度的分析，我们一起来看一看微信招聘背后的增量信息。

二、拿起放大镜之前，先从整体上感受一下微信招聘

在深入分析不同招聘模块之前，我们先从总体上对这个数据进行一个简要概览。

第一、从数量来看，微信招聘的岗位为170个。

注意：这并不代表实际规模，因为我们并不知道每个岗位到底招多少人，但我们依然可以横向对比。

170算多还是少呢？

这可以从横向对比看（纵向不同时间的对比数据或许更有意义，但这次木有，大伙感兴趣可以持续跟踪）：PCG平台与内容事业群是44个，CDG企业发展事业群是118个，TEG技术工程事业群184个，CSIG云与智慧产业事业群592个，IEG互动娱乐事业群是1071个。

这个数据有很多解读方向，它反映了不同部门的业务特点、人员规模、人效、稳定性等，这并非我们今天讨论的重点，大家可自行解读。

一个补充信息是，腾讯在Q1电话会上说：“我们并未看到员工数量有显著增加，将继续严格控制人员编制。”

第二、从业务线看，不同部门差异较大；

企业微信、微信小店、微信搜索是招聘职位数量最多的3条业务线。

我们当然没办法直接按招人规模排序来反推业务线重要性，毕竟招聘代表的是增量重要性而非存量重要性。

但可以推断招人多部门很显然有非常多嗷嗷待哺的需求等着补充人手。

第三、从Base地点看，主要在广州，其次为北京、深圳、成都；

这很容易理解，广州是微信总部，北京有着AI、算法等人才高地，而深圳是腾讯总部，成都则有着人力成本等显著优势，海外则主要为微信支付的落脚点；

OK，有了以上宏观层面印象，我们进入今天的重点，即我们可以从这份颗粒度极细的招聘数据中得出哪些有价值的结论。

三、微信拥抱AI的力度和范围，远比大众以为的要广泛深入

从直观看，微信拥抱AI的节奏算不上快，毕竟外界感知最明显的动作是两个：

第一、微信在搜索中接入DeepSeek。

第二、是元宝引入微信通讯录。

而这两个动作本质上其实只是加入了一个入口，并没有和微信众多核心功能进行深度打通。

一个小的证据是，今年Q1财报发布后，腾讯官方公众号的宣传物料中，关于微信拥抱AI所列的进展，也仅仅只列出了三条：

然而，当我们深挖微信的招聘信息的时候，就会看到一副截然不同的景象——微信可以说在以空前的力度全面、深刻地对业务进行AI化改造：

1. 在所有170个岗位中，有50个左右的岗位直接和AI相关，还有30个左右各属于大数据、推荐等泛AI业务。

2. 这些新增AI岗位几乎涉及微信所有的部门，也就是说微信并不是哪个模块率先推进AI、重点推进AI，而是几乎每一块业务都在招大模型相关的人：

从视频号到微信小店、从企业微信到微信搜索，就连微信安全也有“大模型风控算法工程师”这样的AI岗位。

这个更颗粒度的分类可以看得更清晰一些

3. 很多人会认为微信会直接用混元大模型，但事实上，从招聘信息看，微信发布的岗位就包含了多个微信基础大模型的岗位。

这些岗位涉及预训练、后训练、强化学习等核心技能，而非简单的SFT、推理等应用方向。

有些岗位的描述中还出现了“熟练掌握CUDA性能优化手段，有算子编写优化项目经验者优先”的要求。

可以看到，微信推进大模型的技术方向已深入模型训练的底层。

的确，我们依然无法从以上信息直接判断微信在大模型层面具体如何和混元团队分工与合作。

但至少可以确定，由于具体业务的复杂性，微信有自己的基础大模型训练相关的业务。

尽管并不清楚这个基础大模型和混元的相关模型在定位、规模、投入上有哪些差异。

4. 在“大模型业务后台开发工程师”这个岗位描述中，已经有“负责微信AI大模型智能体平台的后台开发工作”、而在“基础大模型算法研究工程师”的岗位描述中，也有涉及Agent开发的相关描述。

可见，微信版的Agent也已经在路上了，至于是一个Agent平台还是具体的Agent产品，我们拭目以待。

5. 在“微信-客户端开发工程师-AI方向”这个岗位描述中，有“研究微信端侧小模型的部署、工程应用或优化”的表述。

说明微信会不仅会训练云端大模型，也会在端侧小模型上发力。

6. 微信对大模型的拥抱力度是一个非常值得观察的视角。

在微信创立的早期，龙哥对算法介入社交似乎非常谨慎，当时朋友圈、公众号永远自然排序，当时微信没有任何推荐、猜你喜欢、热门等痕迹。

印象中直到2019年之后算法分发才逐渐介入微信的不同体系，我当时还专门写了一篇长文《为什么微信终于开始拥抱算法分发了？》进行了分析。

而很显然，今天的微信已经截然不同、脱胎换骨。

我认为，这也是龙哥行走江湖的重要特点——有自己的体验哲学和产品坚持，但从不拒绝与技术大潮共振。

三、招聘分析：企业微信

这可能是这些招聘信息中最大的反直觉。

事实上，无论是刚刚发布不久的腾讯财报披露以及电话会议还是企业微信在业界的发声频率，我们看到企业微信近期的曝光度其实都不算高。

然而，从招聘信息看又是另一番截然不同的景象——作为这次招聘中岗位最多的部门，企业微信在招聘范围的广度和数量都明显多于其他部门。

具体而言岗位横跨前端、后端、算法、产品经理、客服、商务、市场、客户端、设计等几乎所有链条。

而AI岗位又占了其中绝大部分，比如其中“深度学习算法工程师”就细分了LLM、RAG、AI搜索等多个方向，且该岗位广州、成都、北京都在招。

很显然，企业微信在推进AI层面在加速。

作为微信的重要部门，企业微信原来肯定是有完整链条的业务团队的，而目前几乎全链路所有岗位都在招聘，则折射出腾讯对企业微信的投入可能有较大概率在加码。

而这其实也容易理解，由于没有时间上的先发优势，企业微信和钉钉在数据上存在一定差距。

而企业微信早期在体验上曾经是被吐槽过的，这几年在基础体验上不断优化已经跻身前列。

但要想弯道超车，AI无疑是一个有杠杆的机会点，而飞书和钉钉在AI层面的激进策略也是企业微信大力度应战的重要因素。

以下是企业微信招聘的几个值得关注点的细节：

1. 从商业拓展经理、商务推广经理的招聘要求看，企业微信重点在招零售行业、工业行业、教育行业、公立医疗行业。

比如医疗行业岗位，要求“持续在卫健委、医院、基层公卫等群体发现新的场景和机会。”

2. 企业微信的岗位中有“增长产品经理”和“整合营销经理”。

其中前者岗位描述中“主要负责企业微信大盘新增，探索有效的拉新手段”。

后者则涉及“通过内容营销、KOL/媒体/名人合作等方式建立行业影响力”等营销策略。

可以看到，企业微信目前对增长依然极其渴望。

四、招聘分析：微信小店

接下来到了微信业务的重头戏——微信小店，之所以说是重头戏，是因为其承载了腾讯这家公司的电商梦想。

事实上，从招聘信息我们也能看到不少微信做电商的诸多策略与逻辑：

1. 微信小店的所有岗位是31个，数量在所有模块中位列第2。

和微信搜索全是技术岗不同，微信小店31个岗位中有19个是产品策划、产品运营等非技术岗位，这也符合电商这一业务的基本属性。

2. 微信电商相关的业务还部分潜藏在其他招聘模块中。

实际上，除了小店31个岗位外，涉及微信电商业务的还有“视频号”、“微信安全”、“微信搜索”等其他模块中和交易有关的5个岗位。

所以，从这个意义上，微信电商相关的36个岗位才是所有模块中招聘岗位最多的。

3. 微信小店通过多个岗位补电商的课。

涉及商品基建（价格、数据）、资金管理、AI应用、推荐、物流、第三方生态准入、交易治理、品牌商家运营、直播、数据分析等全链路岗位。

这既说明了电商业务的高度复杂性，也说明之前电商经验不多的微信团队目前处于全面补课阶段。

4. 依然是微信熟悉的“顶层设计”打法。

尽管微信小店的大部分岗位为非技术岗，但细看就会发现，这些岗位并非“招商”、“促销活动”、“小二”等重运营岗。

而更多的是“产品运营-治理运营方向”、“产品运营-商品基建（数据方向）”、“产品策划-AI应用方向”、“商家管理产品策划-商家策略与应用建设”这样顶层设计的岗位。

具体干的活也是“负责微信小店品牌商家的整体策略制定”、“负责退货逆向物流全流程体验设计与迭代”、“负责小店用户服务保障体系搭建与优化”、“建设平台客服的基础工具和API接口”这类体系化、产品化的工作。

说明微信依然希望通过其一向“重产品、轻运营”的思路来推电商业务。

5. 所有小店的岗位全部在广州。

这一点还略显意外的，要知道，抖音等其他电商后来者不少是直接在杭州、上海建电商团队的，这也折射出微信电商注定会采取不拘一格的打法。

6. 一个有意思的细节。

在“产品运营-商品基建（数据方向）”这个岗位中，职责有一条是“负责业务爬虫项目的产品规划和推进，确保爬虫项目按期上线并满足质量要求”。

在之前，微信的电商更多是自下而上的散养状态，有过混乱期：

比如交易模块就先后经历过微信小商店、视频号小店、小程序商城等多种形态。

再比如电商业务的分工之前就涉及视频号团队、微信广告团队、微信支付团队。

如今电商的战略地位提高，交易模块收敛到微信小店，团队收敛到新组建的电商团队，这是一个熵减的过程。

然而，电商本身就是一个高熵的业务，它是一个重活，链条非常长，履约的环节极其多，信息流、物流和资金流互相交织，错综复杂。

我的一个判断——微信团队长期以来依靠顶层设计构建产品杠杆的策略，大概率不会像小程序、视频号这样的纯线上业务那样立竿见影。

微信礼物就是一个例子，这是典型的“龙哥Style”，微信从来没有披露过微信礼物的数据，从直观感受看，它之于“微信电商”的势能要明显弱于“微信红包”之于“微信支付”。

好在微信护城河高、家底厚，龙哥有充分的时间来啃下这块硬骨头，我的推演是：电商业务，脏活累活逃不掉，龙哥大概率还是会用他的方式来干脏活累活。（关于微信擅长打持久战的能力参见我之前的分析长文《微信有一种罕见的细水长流的能力》）

五、招聘分析：微信搜索

在我的日常使用中，除了最高频的用Chatbot当搜索，最常用的三个搜索分别是微信搜索、小红书搜索以及抖音搜索。

从启动soso到并购搜狗，腾讯的搜索之路漫长而艰辛，终于到微信搜索柳暗花明。

微信的“搜一搜”其实启动很早，用流行的说法就是一直在“猥琐发育”，我尝试梳理从2018年微信事业群正式成立搜索应用部门起微信搜索的一些重要节点：

的确，作为腾讯构建新一代搜索的桥头堡，微信搜索堪称搜索界的“瑞士军刀”。

而眼下正是新搜索混战“拼技术、拼心智”的关键时期，自然在招聘规模商业也能得到直观体现。

1. 微信搜索的岗位在170个所有岗位中占了27个，比例非常高，横跨多个细分方向。

关键词如下——LLM、多模态、强化学习、搜索Agent、问一问、小店内容场景、个性化推荐、百科。

2. 值得一提的是，微信搜索的这27个岗位，全部为技术型岗位。

这其实也说明了新一代搜索的探索本质上还是一个技术驱动的赛道，产品、运营在其中的重要系数相对较低。

3. 一些边缘业务或许不边缘。

在“微信搜索-多模态算法”、“微信搜索-算法工程师-个性化推荐/搜索”两个岗位中，分别看到有“参与微信搜一搜表情业务多模态搜索和多模态生成算法工作”、“参与微信搜一搜表情业务个性化推荐/搜索方向算法优化工作”的描述。

在很多科技从业者看来，表情或许没有那么重要，但不要忘了微信是一个全民应用。

为什么微信之前要搞炸弹炸屎？

就是因为斗图是年轻人的刚需啊！

刚需到微信要专门新招两个算法工程师来优化表情搜索。

4. 在这次招聘的全部岗位中，仅有微信搜索的两个岗位在名称中直接有Agent，分别为“搜索Agent后台研发工程师”、“搜索Agent算法工程师”。

腾讯在Q1财报电话会上其实预告了微信会做Agent这件事，具体方向是结合微信生态独有特点推出差异化的Agent，但并没有给出时间表。

从招聘的角度看，这两个岗位尽管并不能说明微信后续的Agent产品一定就是和搜索直接相关的Agent，比如推出微信版的Deepresearch。

但有一点可以确定，搜索必然在微信的Agent中占据重要位置。

从岗位职责4条有2条出现“探索”看，微信自己或许也没有想得很清楚——先招点人来一起探索。

六、招聘分析：视频号

尽管是腾讯“全村的希望”，但视频号在这次的招聘中人员并不算多，共15个岗位。

我猜测是视频号作为一项已经开工好几年的战略业务，关键核心岗位必然已经非常齐全，因此增量补充的需求并不大，以下是一些看点。

1.“推荐”依然是视频号的核心。

推荐相关的岗位在15个岗位中占了8个，包括短视频推荐和直播推荐，毕竟推荐效率关乎业务核心——DAU和用户时长，决定了其与抖音、快手竞争的基本盘。

在视频号相关的15个岗位中，可以看到视频号推荐技术的前瞻方向——“LLM4Rec、推荐大模型、生成式推荐等”。

2. 大模型和视频号结合将更加紧密。

比如有岗位还提到“探索大模型在主播侧业务中的创新应用”，视频号也在探索多模态大模型和红点推送、本地生活、推荐系统、文案创意生成等多个环节融合。

3. 在“微信视频号-审核资源项目管理”这个岗位描述中，可以看到微信的审核团队是分很多个层级的：“跟进不同审核资源（项目外包、自有外包、子公司）的人员对接、业务验收”。

从影视飓风的Tim控诉视频号审核看，审核对于视频号推进业务而言的确是一个不小的挑战，以至于它需要专门招一个项目管理的岗位来处理复杂的审核架构。

七、招聘分析：小程序&小游戏

小程序是这次招聘中明星模块中招聘岗位最少的。

仅仅为三个岗位，分别为“微信小程序-后台开发工程师-行业功能方向”、“小程序-后台开发工程师-教育平台”、“小程序-前端工程师-教育方向”。

说实话，这还挺出乎我意料的，在我之前的推演中，小程序作为“微信操作系统”的重要模块，按理说会在微信未来的AI Agent探索上发挥重要作用。

毕竟Agent的核心要素中极其关键的是“调用工具”，而小程序就是微信能调用的最多元、最紧密的工具，应该是最需要高优先级AI Native化的。

然而，从招聘信息中我们看不到这个方向的工作，以下是我个人基于现实的猜想——

1.小程序是微信最成功的顶层设计之一，当初是龙哥亲挑骨干启动的，有着极为优秀的顶层架构。

因此，它大概率可扩展性极强，强到可能内部骨干开发一个类似MCP的插件，就可以实现和微信AI Agent的有机交互。

而这项同属顶层设计的工作，微信本身就是王者，不需要从外边招人。

2.小程序是一个类AppStore的架构，它作为平台其实没办法直接干预小程序开发者本身的功能与AI化，因此它做的是上帝视角的事，并不需要太多人去干具体的活。

3.腾讯云在开发者工具这一块也针对小程序做了不少相应的工作，我猜测是不是一定程度上也减少了微信自身重复造轮子的压力？

当然，我们也能从招聘中看到一些小的细节，比如行业方向方面——“负责小程序境外交易、车载智控，医疗创新、教育优惠等创新功能的开发和维护”。

的确，我自己就在蔚来的车机上看到了小程序在智能座舱上的应用，尽管实际体验一般，但它至少证明了小程序架构的高度可扩展性。

八、招聘分析：其他岗位

1. 海外，总共有13个岗位分别位于新加坡、加州、东京等，其中新加坡最多。

大部分岗位为WeChat Pay相关，侧面反映了微信海外的主要方向是优化华人和出境游用户的支付体验。

2. 微信安全有7个岗位，既有涉及视频号直播相关的内容安全，也有涉及商品的交易安全，还有账户、消息、客户端相关的基础安全。

这从一定程度上折射出微信作为国民应用所面临的巨大安全压力。

3. 微信输入法和微信读书，这两款产品从招聘上看是放在一起的，应该属于一个团队，其中微信读书的算法岗有“超长上下文方向”，甚至还涉及Agent。

看来一直有阅读情节的龙哥会让微信读书在AI时代继续保持与时俱进的更新。

4. 微信支付7个岗位涉及海外支付、信贷风险、银行合作、营销推荐等，小游戏涉及安全、数据分析、推荐方向。

这两块比较常规，没有什么新增信息量，按下不表。

九、关于微信招聘的一点小的感悟

在浏览这些岗位要求时，我的一个比较深的感触就是：在岗位描述中，微信和其他公司相比，非常注重“元能力”，经常出现“负责新技术框架的探索和研究”、“跟踪业界最新研究成果”、“探索下一代引擎的发展方向”、“保证搜索技术和体验业内领先”、“担任方向owner”。

而在岗位要求中，也经常出现“强烈的好奇心和探索欲，有不做好不罢休的胜负欲”、“擅长共情与思考”、“具备创业精神”、“有想象力”等抽象表达。

从这个意义上，微信很显然希望给应聘者传递这样一个信息——“我们找你来不是让你搬砖的，而是让你来盖教堂的”。

根据我从部分微信在职和离职的同学得到的信息，微信在很大程度上是践行了这个理念的。

为什么微信能一直保持高人才密度？

上面这些信息或许可以提供一个值得探讨的视角。

十、通用Agent在研究中的实际体验

关于Agent体验部分，我试用了目前市面上我看到了一些通用型Agent来跑这个任务，包括Manus、天工、扣子空间、MiniMax、Genspark、Fellou、flowith等。

但实际的体验大部分并不理想，在尝试多次之后Manus成功获取到了数据，几点体验总结如下：

1. 几乎所有的Agent有比较强烈的偷懒倾向。

比如天工只获取了10个岗位就开始一通分析，再比如MiniMax的Agent非常搞笑，获取9个岗位之后开始自己推断微信可能会招哪些岗位，然后谦虚地称自己的可靠性为“中等”，很幽默了！

即便是最终完成任务的Manus，也是在我多次补充对话后完成的。

因此，当我们和Agent交互时：

第一，提需求需要具体、明确、甚至规定好路径，默认它是一个木讷机械、不懂变通的实习生，比如这次我就让它去官网“逐一获取”。

第二，不要指望一次就搞定，多试几次。（PS：多试几次往往肉疼）

2. Agent的上下文长度在一些长程任务中依然是制约因素。

我的体验是，很多任务经常跑着跑着就断了，因此一个可行的方案是人为拆解任务分批跑。

比如我这次任务就是拆成“招聘数据获取”+“招聘数据分析”两个任务，尽管分析部分基本不可用，但好歹数据获取部分完成了。

3. 手感来源于使用次数。

判断哪些任务用Agent、哪些任务用ChatBot，哪些任务用联网搜索、哪些任务不用联网，哪些任务需要DeepResearch、哪些任务要用Think选项，哪些任务用哪个更适合的模型，需要反复地摸索实验建立手感。

我的一个小Flag就是，每周至少跑100个任务。

4. 调低预期但持续跟踪。

感觉目前AI Agent和自动驾驶的实践很像。在高速这种路况确定性高的场景，自动领航已经完成度很高，对应Agent中的搜索、DeepResearch、PPT等场景。

而在城市繁忙路段、乡村小路山路，则还在进化过程中，对应通用Agent的长尾场景。

前者确定性高，实际价值大，后者还在起步阶段，用户需要随时盯着，反而非常消耗精力，还不如自己开。

但无论如何，二者的共同点是：进化极快。

我猜，大部分人还是低估了Agentic AI接下来超预期的进展。

因此，我还会持续追踪，力求用前沿的Agent跑一些有趣、奇葩、思路清奇且没人会去跑的Case。

OK，以上就是这次用Agent研究微信招聘的全文，通过最小颗粒度的数据，我们能从不同的视角看到了国民App微信的另一些增量信息。

在继刚的“织梦师”社群的一次聚会中，网友“林克”分享了一个有意思的故事：

1903年一个叫Julius Neubronner的法国人突发奇想，把小型相机装到了鸽子的身上，结果拍到了让人惊叹的城市照片。

今天的大模型和Agent其实也是一只装了相机的鸽子，它可以让我们从完全不同的维度理解和重组我们看到的和我能做的事。

作者：卫夕