滴滴后端专家工程师-安全技术（策略方向）(JR2026011500A)

部门介绍 部门负责滴滴网约车平台治理业务的技术建设，面向多业务线提供标准化、可复用的治理引擎能力，其中治理团队聚焦行程中取消、费用、拒载、异常行为等实时或离线治理场景，建设从感知到处置闭环的核心链路，并探索大模型、AI Coding等新技术方向。 岗位职责 1、负责治理技术团队的技术规划与架构建设，支撑行程中实时治理全链路，保障业务目标达成与核心系统稳定运行。 2、负责治理核心系统的架构设计与持续演进，建设面向多业务线、多场景可复用的治理引擎基座，提升策略配置化、能力平台化、链路可观测性和系统扩展性。 3、围绕高并发、低延迟、高可用、最终一致性、降级容灾等关键问题，负责复杂治理链路的技术治理与系统重构，提升系统稳定性、研发效率和交付质量。 4、作为 Team Leader，负责团队需求对接、方案评审、重点项目推进和跨团队协作；深入治理业务场景进行领域建模与技术抽象，并探索大模型、AI Coding等新技术在治理中的落地。

1. 全芯片Floorplan规划（Partiton/IO assignment)。 2. 子系统及模块的物理设计，包括物理综合,Floorplan,Place&Route, 优化PPA, 完成Timing/IR/EM/DRC/LVS/ERC收敛。 3. 完成芯片签核(Sign-Off)及交付。 4. 优化后端设计流程和方法。 5. 熟悉Full Chip IR/EM Sign-off 或 Full Chip PV Sign-Off(DRC/LVS/PERC) 是加分项。

1、高并发实验平台建设； 设计亿级QPS用户分流系统，开发低侵入式Agent/SDK，支撑短视频、直播、商业化等核心业务AB实验；攻克复杂场景性能瓶颈（如亿级QPS实验入组数据实时上报），支撑万级并行实验在业务系统的稳定运行； 2、基于大数据引擎的架构优化；主导实验数据生产链路架构升级，实现秒级数据计算，替代传统Spark天级时延；设计高性能高可靠实验数据分析方案，解决百亿量级指标毫秒级查询和数据异动归因； 3、智能化实验引擎开发；集成AI能力实现智能异动归因（自动定位指标波动根因）、实验效果预测（迁移学习模型预判策略收益）；构建自动化实验报告系统，输出统计显著性分析及业务决策建议。

团队介绍： 我们团队为用户提供满足各种出行场景的好路线，提供极致的出行体验，同时服务C端、B端，涵盖自驾、打车、物流等多种业务场景，我们的每一次技术升级或业务的改进都能影响全国用户，有非常复杂的高并发分布式服务系统架构，有业界最先进的路线规划算法（cbr,cch,rch,raptor等)。如果你想发挥你的想象力创造更多社会价值，如果你享受克服困难和挑战自我的喜悦，如果你热爱技术并喜欢追求极致性能和效果，如果你渴望挖掘出源源不断的新应用场景，那就加入我们团队吧！ 岗位职责： 你将加入高德在线导航服务团队，从0到1参与打造手车一体的「出行域 Agent」。目标体验对标特斯拉车机中的 Grok：让用户可以用自然语言完成从出行规划、实时导航到行程中各类决策的全流程交互，实现“能听懂、会思考、帮决策、可执行”的智能出行助手。 工作职责： 1.子Agent架构设计与服务实现 a)参与设计出行域子Agent的整体技术架构，包括调用链路、状态管理、容错与降级方案。 b)实现与高德主Agent的协议对接和能力编排，支持多轮对话、工具调用、跨场景任务协同。 c)在手机端与车机端统一能力出口下，处理不同终端、不同地区/国家的差异化需求（如地图/POI/法规差异）。 大模型微调与蒸馏落地 2.针对出行/导航/车机场景，设计与构建高质量训练数据（提示词工程、对话数据、工具调用日志等）。 a)参与或主导对基础大模型的大规模微调（Supervised Fine-tuning / Preference Optimization 等），提升在出行域的理解和决策能力。 b)负责模型压缩、蒸馏与推理优化，使模型在服务端/边缘侧兼顾效果与时延。 3.Agent能力调优与决策优化 a)设计和优化子Agent的工具使用策略（Tool / Function Calling），包括路况查询、路线规划、POI 检索、多目的地规划、国际场景信息调用等。 b)在弱网、高并发、复杂上下文下优化Agent的鲁棒性和决策稳定性。 c)针对复杂出行任务（如跨城自驾、多目的地行程、充电/加油规划、实时绕行、国际出行规则差异）进行专项调优。 4.效果评测与质量体系构建 a)搭建出行Agent的自动化评测框架，包括：指令理解准确率、工具调用正确率、任务成功率、响应时延、用户反馈闭环等。 b)构建离线评测集和真实流量回放机制，持续追踪模型与系统升级带来的收益和风险。 c)联合产品与运营，通过灰度发布、A/B 实验驱动持续优化。 5.性能与稳定性保障 a)在9亿+月活与车机大规模接入背景下，对服务进行高可用、高性能设计（限流、降级、缓存、异步架构、观测性体系）。 b)处理线上复杂问题（流量波动、模型异常、工具依赖故障等），建立监控、告警和自愈机制。 6.前沿技术探索与工程化落地 a)跟踪 LLM、Agent、RAG、多Agent协作、规划与推理（Planning & Reasoning）、多模态等方向的最新进展，并筛选适合出行场景的技术方案。 b)探索将地图/导航结构化数据与大模型结合的最佳实践，让Agent真正“看得懂地图、懂路况”。