高德地图高德-搜索推荐策略产品专家-信息产品专项

1、负责高德推荐和搜索引导产品，为推荐和引导的体验和流量效率负责，通过分析当前用户体验痛点问题制定规划和解决方案并推动落地，持续提升用户体验。 2、结合对本地生活行业特点设计召回、排序策略，持续提升用户的需求满足度。 3、通过对用户的动线进行持续追踪和研究，发现需求激发和体验提升的新机会。 4、持续进行行业洞察，研究行业best和迭代动作，输出有效策略。 5、与算法、前后端、设计等多方团队紧密配合，推动策略落地。

1、商品基建体系搭建与优化 ● 负责电商平台商品基础能力建设，包括设计并维护电商平台后台类目树架构（三级及以上分层逻辑）、类目属性体系与标准（如关键属性、销售属性）、标品库（SPU）、同款识别模型、品牌库的标准化搭建与持续迭代，确保类目覆盖率和准确性，提升商品信息标准化、丰富度与准确性。 ● 制定商品基建衡量标准（如属性填充率、标品覆盖率、同款识别准确率），推动商品数据治理及智能化工具落地（算法预测、自动化回填）。 2、跨部门协同与项目管理 ● 推动类目管理工具（如属性配置后台、自动化审核系统）迭代，提升运营效率。 ● 通过商品基建专项（如商品基建重构、价格力专项），协调产品、算法、招商团队完成需求落地，确保项目目标按时达成。 ● 制定商家侧运营工具（如商品信息诊断、竞价后台）及赋能方案，提升商家运营效率。 3、数据化运营与场景应用 ● 推动商品信息在核心场景的深度应用（搜索推荐、招商选品、商业化投放），通过属性标签、标品特征优化商品卡点击率（CTR）及GMV转化效率。 ● 验证商品导购策略（如属性筛选、同款热销透出）对用户体验及交易效率的影响，输出可复用的运营方法论。提升整体交易转化效率。

1、主要负责可灵平台推荐/搜索/内容理解等方向算法优化，帮助提升可灵平台用户留存、营收等核心指标； 2、参与大规模机器学习、深度学习领域技术研发工作，包括但不限于多模态、大模型SFT等算法研发； 3、参与搭建可灵平台在线学习策略算法系统，快速处理海量用户数据，提升算法性能，满足高并发、高时效性和可靠稳定性； 4、和产品、运营等团队合作，共同优化可灵社区生态，提供给用户更好体验，满足用户视频内容生产与消费、社交互动等多维需求。

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”。