高德地图高德-AI搜索研发工程师/专家-信息工程团队-北京-信息工程专项
任职要求
1. 计算机相关专业本科及以上学历，扎实的软件工程、数据结构、算法基础； 2. 熟练掌握至少一种主流编程语言（Java/Go/C++/Python等），具备良好代码能力和工程实现能力； 3. 熟悉搜索引擎架构与相关技术（如Elasticsearch、Solr、Lucene或自研等），掌握索引、倒排、排序及检索优化原理； 4. 有分布式系统开发及高并发场景下系统优化实践，了解服务治理与容器化部署（如K8s、Docker）； 5. 理解AI/ML模型的在…
工作职责
1. 设计、开发和优化大规模高可用的智能搜索系统，持续提升检索效率与用户体验； 2. 深度参与AI模型（如召回、排序、理解、重排等）在在线搜索服务的集成、部署与性能调优； 3. 搭建和完善数据处理与特征工程链路，支持大规模数据的高效流转与特征管理； 4. 参与搜索系统的架构设计与工程实现，包括分布式服务、索引构建、检索优化、缓存加速与横向扩展等； 5. 联合算法、产品、前后端等多团队协作，推动AI搜索相关功能的快速落地； 6. 建立完备的监控、日志、报警与追踪体系，保障服务的稳定性、可观测性与高可用性； 7. 积极跟进行业搜索与信息检索前沿技术，持续推动创新和最佳实践在系统中的落地。
我们是阿里巴巴平台技术搜索平台团队，以平台化的方式支持了淘宝、天猫、闪购、高德、钉钉、闲鱼等众多阿里集团搜索业务，团队目前正在推动搜索服务的AI Native转型，打造下一代智能搜索产品，主要工作内容和挑战如下： 1. 负责阿里巴巴核心搜索引擎研发平台OpenSearch&TisPlus的系统设计和研发，深入理解业务需求，参与从需求分析、架构设计到产品上线的Pipeline，服务上万搜索用户； 2. 构建 RAG、AI Memory等大模型时代的核心基础设施，并直接参与到头部核心业务的应用研发，支持集团核心AI搜索业务的发展； 3. 参与搜索平台产品和组件的中长期规划，不断提升性能、稳定性、可用性和扩展性，支撑亿级别的流量请求； 4. 践行 AI Native文化，研究和探索创新的开发思路和前沿技术，深入理解产品和业务，将 Agent Infra 封装为 SDK / CLI / IDE 插件等工具，降低业务团队接入门槛。
1.AI通用搜索建设：主导或参与企业级AI搜索系统的需求分析、架构设计与核心模块开发，涵盖智能体搭建、搜索引擎优化等场景，推动AI技术在搜索场景的工程化落地。 2.AI Agent基础设施建设：包括但不限于DeepSearch和DeepResearch场景下的工程框架选型、代码开发，Response API建设等，加速模型与产品迭代效率。 3.核心模块开发：探索LLM与搜索/RAG（检索增强生成）的结合，优化查询理解、结果排序等关键环节，使用大模型技术提升搜索结果的准确性及交互体验。 4.性能优化与稳定性保障：持续优化搜索系统的响应速度、高并发处理能力及容错机制，确保系统在高负载场景下的稳定运行。 5.跨团队协作：与算法、产品及其他工程团队紧密配合，完成需求拆解、技术方案对齐及效果验证，推动技术成果向业务价值转化。
Elasticsearch 作为全球先进的开源搜索与分析引擎，广泛应用于日志分析、安全风控、AI 搜索等关键场景。阿里云 Elasticsearch 是与 Elastic 官方深度合作的托管云服务，已服务阿里集团核心业务及多行业头部客户。 我们同时推进三条产品主线： ● 云原生 PaaS & Serverless：支持全球25+区域用户，构建多可用区容灾、自动化集群编排、亚分钟级弹性伸缩与智能资源调度能力，为企业级工作负载提供高可用运行底座；Serverless 形态支持按需按量、秒级启停、免运维的全托管体验，帮助用户显著优化 TCO。 ● Agent Ready： 通过 ES Agent、分层 Skills 体系与 CLI 工具链，让用户和 Agent 能高效地使用和维护搜索产品，系统性降低 MTTR、缩短 TTV。 ● Agent / AI Native： 将 Elasticsearch 打造为 Agent 生态的原生基础设施——覆盖 AI 搜索引擎层、企业级可审计搜索能力层、记忆 Agent 层。 主要职责： 云原生 PaaS与Serverless平台：设计和持续优化集群全生命周期管理（创建、变更、升级、迁移、弹性扩缩容效率、多可用区容灾编排）；研发智能资源调度与资源池底座，实现资源精细化管理与成本优化；构建 Serverless架构，实现秒级冷启动与按量计费；推进容器化、GitOps、可观测性等云原生底座持续演进。 Agent Ready 产品体系： 落地 ES Agent、分层 Skills（管控运维 / 编程 / 解决方案 / 场景化分析）及 CLI 工具链；推动系统 API 和可观测数据适配 Agent 消费；协同 Elastic 官方完成 Skills 转换上线。 Agent Native 基础设施与智能运维： 构建面向 Agent 生态的多层搜索能力与记忆 Agent 层；研发集群巡检、智能诊断、自动变更编排与自愈能力，结合 LLM Agent 降低 MTTR；推动落地 AI Coding Agent 主导的研发流程，大幅提升研发效率。 加入我们，你将： ● 主导设计高可用、极致弹性的云原生搜索平台，服务近万企业用户； ● 亲手打造 Agent Ready + Agent Native 的下一代云产品范式； ● 践行 AI Native 研发，以 AI Coding Agent 重塑开发流程； ● 与 Elastic 官方及阿里顶尖技术团队深度协同。
1. 作为核心技术骨干，参与企业级 Agentic Search / 通用 Agent 平台的架构设计、技术选型与核心链路研发。 ● 设计并演进 Agent 的任务规划、步骤分解、工具调用、状态管理、上下文管理、记忆机制与执行调度框架。 ● 构建面向复杂问题的 Deep Search / Deep Research 能力，使系统具备多轮检索、多步推理、动态改写查询、反思校验与结果综合能力。 ● 推动 Agent 系统从 Demo 形态走向生产级系统，重点解决稳定性、可观测性、可控性、延迟、成本与评测闭环问题。 2. RAG 与复杂知识检索技术攻坚 ● 深入优化 RAG 系统架构，解决海量异构企业文档、知识库、业务数据中的解析、切分、索引、召回、重排与答案生成问题。 ● 构建面向 Agent 的检索基础设施，包括混合检索、语义召回、结构化查询、知识图谱检索、GraphRAG、多跳检索与上下文压缩能力。 ● 设计高质量的 Query Understanding / Query Rewriting / Intent Routing 机制，提升 Agent 在复杂任务中的检索精度与推理效率。 ● 解决长上下文、长链路任务中的信息丢失、幻觉控制、引用溯源、事实一致性与结果可信问题。 3. Agent 工程化与系统能力建设 ● 负责 Agent Runtime、Workflow Engine、Tool Registry、Memory Store、Prompt / Policy 管理、任务队列等关键模块的设计与实现。 ● 建设面向生产环境的 Agent 可观测体系，包括调用链追踪、步骤日志、失败恢复、成本监控、质量评估与在线反馈机制。 ● 优化 LLM 调用链路的性能与成本，包括模型路由、缓存、并发控制、流式输出、推理加速、上下文裁剪与多模型协同。 ● 与算法、产品、业务团队协作，将 Agent 能力落地到企业搜索、知识问答、业务助手、自动分析、智能运营等真实场景。 4. 搜索、模型与多模态能力融合 ● 构建和优化混合检索架构，实现全文检索、向量检索、结构化检索、知识图谱与业务规则的深度融合。 ● 推动排序、重排、语义匹配、跨模态理解等模型能力在 Agentic Search 场景中的工程化落地。 ● 支持文本、表格、图片、PDF、Word、网页、业务系统数据等多源异构信息的统一理解、索引与调用。 ● 持续提升系统在准确率、召回率、推理深度、响应时延、用户满意度等维度的综合表现。 5. 技术引领与团队赋能 ● 解决 Agent 系统研发过程中的复杂工程问题，包括长任务稳定性、工具调用失败恢复、复杂上下文管理、评测体系建设、线上质量退化定位等。 ● 建立高质量的工程标准，通过架构评审、Code Review、技术分享与结对编程，提升团队在 Agent、RAG、搜索和大模型工程方向的整体技术深度。 ● 持续跟踪 Agentic AI、Deep Research、GraphRAG、多模态 Agent、LLM Evaluation、模型推理优化等前沿技术，并推动其在业务中的合理落地。