高德地图高德-前端高级开发工程师/专家-前端/全栈

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”。

特斯拉信息技术部门（工作地点：特斯拉上海超级工厂）正在招聘一名全职IT AI Platform 开发工程师，专注于构建和扩展下一代 AIOps与MLOps平台。随着人工智能技术在企业核心系统（尤其是GenAI平台）中的深入应用，亟需一位能够打通AI研发与生产部署之间壁垒的工程专家。该岗位将负责从模型训练、版本管理、自动化部署到高性能推理服务的完整MLOps体系建设，并主导构建支持本地GPU与云端LLM API融合的混合式推理网关平台，以实现低延迟、高吞吐的企业级AI服务能力。推动GenAI平台及未来AI服务落地的关键力量，将显著提升AI功能的交付效率与稳定性。 岗位职责： • 设计、构建和维护可扩展的 MLOps平台，实现AI模型从训练、版本控制、部署到监控的全生命周期管理。 • 基于 vLLM、TensorRT-LLM 、TGI 等框架，在大规模GPU集群上开发并优化大语言模型（LLM）推理流水线。 • 构建融合本地GPU模型与云上LLM API 的混合推理网关平台，实现智能路由、负载均衡与成本性能的优化。 • 搭建自动化 LLM微调（Fine-Tuning）流水线，支持LoRA、QLoRA等参数高效训练方法，涵盖数据预处理、分布式训练与检查点管理。 • 推动 RAG（检索增强生成）能力服务化（RAG-as-a-Service），集成并运维主流向量数据库（如 Pinecone、Milvus、Weaviate）。 • 通过 Prometheus、Grafana、OpenTelemetry 及自研监控方案，保障AI系统的可观测性与稳定性。 • 与AI科学家和应用工程师协作进行模型优化（量化、剪枝、蒸馏），提升推理效率与资源利用率。 • 支持 GenAI CN平台的高性能模型服务需求，确保低延迟、高并发的服务能力。 • 制定AI模型服务的关键性能指标（KPI）与服务等级协议（SLA），量化业务价值与系统表现。 • 使用 GitLab CI、Jenkins、ArgoCD 等工具实现AI工作流的CI/CD自动化，确保可复现性与可审计性。

职位描述 (Job Summary) 我们需要一位既懂业务又懂技术的复合型项目管理专家，负责主导公司供应链领域AI解决方案的落地交付。您将作为连接算法团队、工程团队与大型B端客户的关键桥梁，通过人工智能技术（如需求预测、智能调度、运筹优化等）解决客户供应链痛点，确保项目在预算、时间和质量范围内成功交付。 核心职责 (Key Responsibilities) 1. 项目全生命周期管理 (2B交付) 负责大型B端（To-B）AI项目的全流程管理，包括需求分析、方案制定、立项、开发迭代、测试上线及验收交付。 制定详细的项目计划，有效管理项目范围、进度、成本和质量，识别并规避项目风险。 管理客户预期，处理复杂的干系人关系，确保项目SOW（工作说明书）的承诺达成。 2. 业务与技术的转化 (供应链 + AI) 深入理解供应链业务场景（如：仓储WMS、运输TMS、需求计划、库存优化等），能敏锐捕捉业务痛点。 将模糊的业务需求转化为可落地的AI算法需求或工程开发任务，弥合业务人员与算法工程师之间的认知鸿沟。 评估AI模型在实际业务流中的可行性与价值，推动POC（概念验证）到规模化落地的转化。 3. 跨部门协同与流程优化 协调算法、后端、前端、产品及测试等多职能团队的协同工作。 沉淀供应链AI项目的最佳实践，优化项目管理流程，提升团队交付效率。