高德地图高德-平台产品专家-POI智能化

我们需要NLP方向和推荐方向的算法专家，负责对地图生产资料、互联网情报、搜索日志、用户反馈等非结构化文本进行分析和信息抽取，负责理解高德用户的到达行为，融合人地大数据，构建知识图谱和智能推理能力，打通数据生产和前台业务，使得用户获得更加智能的出行和服务体验。 1、参与和负责POI产线的NLP算法部分，包括POI的NLP基础功能服务、多模态名称融合生成、名称质检模块、名称纠错模块等； 2、搭建POI的NLP基础服务平台，实现以POI为核心实体的地图数据图谱，为高德的POI搜索、推荐业务提供完备信息； 3、配合其他POI采集、挖掘、调度、聚合业务，建模NLP任务，提供准确且有效的NLP信息； 4、积极地探索和研究NLP的应用和认知领域，结合地图场景，提供更加全面且完备的服务； 5、参与和负责POI的XGC业务，包括相关性召回、各级转化率模型，提升用户的答题率，答题的转化率模型； 6、积极地挖掘高德的人地相关性，推动用户与POI问题的推荐逻辑，提升高德场景的搜推基建和技术。

1. 技术研发与架构设计：负责地图平台核心功能的技术研发，如地图渲染、路径规划、POI 搜索等功能模块的代码编写与优化；主导地图平台的整体架构设计，构建高可用、高性能、可扩展的技术架构，确保平台能应对海量数据和高并发请求；研究并引入前沿技术，如人工智能、大数据处理等，提升地图平台的智能化水平和用户体验 。 2. 数据处理与算法优化：处理和分析地图相关数据，包括地理信息数据、用户行为数据等，通过数据挖掘和分析，为地图平台的功能优化和业务决策提供支持；优化地图算法，如路径规划算法、地图匹配算法等，提高算法的准确性和效率，降低计算资源消耗 。 3. 技术协作与团队管理：与地图数据采集团队、产品团队、前端开发团队等密切合作，确保地图数据的准确性和完整性，以及前后端数据交互的顺畅；指导和管理技术团队成员，分配工作任务，制定技术方案，进行代码审查，提升团队整体技术水平 。 4. 问题解决与系统维护：监控地图平台的运行状态，及时发现并解决系统故障和性能瓶颈问题；建立完善的系统运维机制和应急预案，保障平台的稳定性和可靠性；收集用户反馈和业务需求，对地图平台进行持续的迭代和优化 。

核心职责： 1. 大客户开拓与经营：深耕零售+物流融合赛道，聚焦快消品牌商、连锁零售商、第三方物流及城配平台，挖掘其在门店选址、仓网规划、配送路径优化、应急调拨、渠道覆盖评估等场景的业务痛点； 2. 解决方案式销售：深度理解客户在门店网络规划、渠道效率、消费者洞察、O2O运营等痛点，结合公司地图数据、POI、客流热力、竞品分布等核心能力，输出定制化商业智能解决方案； 3. 生态协同推进：联动产品、数据、技术及ISV伙伴，打造“标准产品+行业插件+联合运营”模式，提升方案竞争力与客户粘性； 4. 行业影响力构建：沉淀零售、物流行业方法论，参与白皮书、案例包装、私享会等活动，强化公司在零售+物流数字化领域的品牌心智。 任职要求： 1. 经验：5年以上ToB销售经验，3年以上深度服务零售、快消或物流行业大客户，有成功交付选址、仓配、供应链优化类项目经验者优先； 2. 能力：理解零售企业的渠道策略与物流企业的网络运营逻辑；； 具备解决方案思维，能将数据能力转化为业务价值语言； 出色的高层对话能力，可对接客户VP及以上级别决策者； 3. 特质：结果导向、自驱力强、善于跨团队协作，对地理信息、大数据、AI应用有浓厚兴趣； 4. 加分项：有GIS、LBS、商业选址、客流分析类产品销售经验者优先。

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”。