高德地图高德-前端高级开发工程师/专家-前端/全栈

1. 负责高德云境时空智能项目相关系统和产品的架构设计与研发，包括三维场景预览/编辑能力，实景数据生产平台等 2. 负责技术难点的研发突破、工程化提效等 3. 负责新技术的预研与探索落地

主要职责 1、投身自动驾驶关键AI基础设施构建，参与研发业界一流的数据标注、仿真测试、超算平台、worldsim编辑器等方向 2、 牵头复杂图形界面（2D/3D方向）研发，突破海量数据实时渲染等核心技术难题 3、 负责自动驾驶AI基础设施平台—包括标注工具、仿真环境及数据可视化系统的前端架构设计与实现 4、制定代码管理与模块化开发规范，推进微前端等现代架构落地，保障系统长期可扩展性 5、构建全链路前端性能优化机制（如缓存方案、动态加载、多线程处理等），提升高数据负载场景下的交互体验 6、主导重大技术方案评审与架构决策，推动React技术体系深度应用与工程最佳实践 7、指导并培养中级和高级工程师，助力团队技术成长与项目交付 8、深入参与产品设计与AI算法需求讨论，将复杂业务逻辑转化为可靠、高效的前端解决方案

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”。

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”。