负责外卖搜索核心链路建设：面向用户“找店/找菜/找品牌/找优惠”需求，设计并迭代召回、粗排、精排、重排、融合等策略，提升搜索 GMV、转化率与用户满意度
相关性与意图理解：建设 Query 解析、纠错/联想/改写、意图识别、实体识别（门店/品类/菜品/规格/口味/价格段等）、同义归一与知识图谱/词典体系，提升检索准确性与覆盖
多路召回与向量检索：落地词法/语义/图召回、Embedding 向量召回、用户个性化召回与时空/供给约束召回，优化召回效率与效果（QPS、延迟、成本）
排序与学习算法优化：基于 L2R、深度排序模型（DNN/Transformer 等）、多任务学习、样本与特征工程，提升 CTR/CVR、下单率、客单价、履约可达性与供给匹配
外卖业务特有约束建模：将配送时长、距离、营业状态、库存/售罄、起送价、满减/优惠、口味偏好、时段热点等因素纳入检索与排序决策，平衡用户体验与平台效率
系统与工程落地：与搜索平台/推荐/广告/数据/业务团队协作，推进检索引擎、特征服务、模型服务、实时/离线数据链路、缓存与降级方案建设，保障稳定性与可扩展性
技术前沿与成本优化：跟进 LLM/RAG、多模态检索、知识增强、蒸馏与推理加速等方向，在保证效果的同时优化线上延迟与算力成本