转转
搜推架构专家工程师(J14912)
搜推架构专家工程师(J14912)
发布于 8 天前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Ai Agent
Search & Recommendation
值不值得投
77综合评分
综合评分 77
前沿AI搜推技术栈、高薪专家岗、技术成长性强、工作强度待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
比后端开发中位数高
发布情况
正常在招 · 9 天前发布
市场机会
选择面较广
北京 · 后端开发 · 约 500 个在招
职位详情
关于这个职位
负责转转搜索推荐全链路底层工程体系搭建，涵盖在线检索、个性化推荐及AI Agent平台基建
主导核心服务的高并发研发与性能调优，落地算法策略工程化，并负责向量/文本检索组件的技术选型与集群治理，支撑业务高效迭代
最低要求
计算机、软件工程等相关专业本科及以上学历，5年及以上大规模搜索推荐系统工程开发实战经验
精通Java/Python至少一门主流开发语言，具备扎实的代码功底、分布式系统架构设计能力
完整参与过线上搜推业务落地，熟悉召回、粗排、精排、重排全链路流程及各环节工程实现方案
熟练使用并调优Elasticsearch、Milvus、Redis中至少一类检索/缓存组件，有集群运维、性能调优实战经验
熟悉MySQL、Kafka等存储、消息中间件，掌握各类分布式组件底层原理与使用场景
拥有高并发、低延迟在线服务开发经验，精通缓存、限流、熔断、降级、异地多活等稳定性保障方案
具备AI Agent相关落地开发经验，理解Function Calling、MCP协议、任务Workflow、长短期记忆Memory、RAG检索增强生成核心机制
熟悉大模型API对接、统一Prompt管理平台、工具注册调度、任务异步执行、异常重试容错等Agent配套工程流程
具备线上复杂故障排查、性能瓶颈定位、大规模系统优化经验，沟通协作能力强，可高效推进跨团队项目落地
工作职责
主导搜索、推荐全链路底层工程体系搭建，涵盖在线检索服务、个性化推荐服务、全量/增量索引构建、离线数据生产同步链路、高并发在线服务研发工作
承接召回、粗排、精排、重排等算法策略落地，完成策略工程化开发、模块封装与全链路系统集成
搭建高性能、高可用、可弹性扩展的搜推核心服务，持续调优系统QPS、接口响应时延、线上稳定性，持续压降机器、存储等资源成本
负责向量检索引擎Milvus、文本检索Elasticsearch、缓存Redis等核心存储检索组件的技术选型、二次开发、集群调优与故障治理
深度参与AI Agent平台基建建设，负责工具调用框架、多步骤任务编排、会话上下文管理、记忆持久化、Agent能力与业务系统打通接入工作
完善搜推与Agent系统配套工程能力：索引实时更新、海量特征同步、多级缓存体系、流量限流熔断降级、多机房容灾、全链路监控告警体系搭建与迭代
联动算法、产品、业务研发团队，完成搜索、个性化推荐、智能Agent整套技术方案评审、灰度上线与稳定生产落地，支撑业务迭代
AI 洞察
优缺点分析
优点
- 依托转转巨头企业平台，处理海量数据场景，能积累大型分布式系统经验
- 技术栈现代，涵盖向量检索与大模型工程化，符合行业趋势
- AI Agent属于新兴领域，技术演进快，需持续学习新协议与框架
- 跨团队协作频繁，对沟通推动能力要求极高
缺点 / 挑战
- 处于搜索推荐与AI Agent交叉的前沿技术领域，技术挑战性与含金量高
- 搜推全链路工程复杂度高，需兼顾性能、成本与稳定性，压力较大
- 适合拥有5年以上搜推或后端架构经验，对AI新技术敏感，喜欢挑战高并发复杂系统设计的资深工程师
角色解读
- 可向搜索推荐领域首席架构师发展，或转型为AI基础设施专家
- 随着AI Agent业务的深化，也可向AI应用工程化方向拓展，成为连接算法与业务的桥梁型人才
- 负责搜索推荐系统的底层架构设计与核心代码开发，确保高并发下的稳定性与性能
- 将算法策略转化为工程实现，并搭建AI Agent平台的基础设施
- 解决大规模数据检索、缓存及分布式系统中的技术难题
- 精通Java或Python及分布式系统设计
- 深入掌握Elasticsearch、Milvus、Redis等检索与缓存组件的调优
- 具备AI Agent开发经验，理解RAG、Function Calling等技术
- 有高并发、高可用系统建设与故障排查能力
申请策略
- 准备具体的系统架构图和性能优化前后对比数据
- 了解转转当前的搜推业务特点及AI应用场景，展现业务理解力
- 强调跨团队协同解决复杂问题的案例
- 突出大规模搜推系统架构经验，量化QPS、延迟优化成果
- 详细列举Elasticsearch/Milvus/Redis的深度调优案例
- 展示AI Agent项目落地经验，特别是工具调用、记忆管理等具体实现
- 深入研究Milvus等向量数据库的内部原理与性能瓶颈
- 补充大模型应用工程化知识，如LangChain、LlamaIndex等框架的最佳实践
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答
- 重点突出技术选型的权衡思考、遇到的具体难点、采取的针对性措施以及最终量化的业务/技术指标提升
- 对于AI相关问题，结合最新技术趋势与工程落地实际进行阐述
- 请描述你主导过的最复杂的搜推系统架构，你是如何保证高可用的？
- 在Elasticsearch或Milvus集群调优中，遇到过哪些性能瓶颈？是如何解决的？
- 如何设计一个高可用的AI Agent平台，特别是在工具调用失败和长上下文管理方面？
- 面对海量特征同步需求，你的数据流水线是如何设计和优化的？
- 请分享一次你处理的线上重大故障，你是如何定位并解决的？
职位点评
薪资福利85
成长发展92
工作生活50
使命价值70
薪资福利
85较高
作为跨国巨头企业的资深专家岗，薪资水平处于市场中上游，福利体系通常较为完善，能满足较高的补偿性动机。
薪资信号偏高 (3.5千–6.0万/月)
成长发展
92较高
职位涉及搜索推荐与AI Agent两大前沿技术领域的深度融合，技术栈极具前瞻性，能提供极高的技能成长空间和技术视野拓展机会。
技术前沿前沿/新兴技术
技术栈AI Agent、Milvus、Elasticsearch、RAG、Function Calling、MCP、Java、Python、Distributed Systems
业务类型profit_center
工作生活
50较低
JD未明确提及弹性工作或远程办公，且作为核心研发岗位，面临高并发稳定性和AI项目落地的压力，可能伴随一定的工作强度，WLB情况不确定。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
通过优化搜索推荐体验和构建AI Agent平台，直接提升用户交易效率和智能化服务水平，具有明确的商业价值和技术进步意义。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
转转 的其他在招职位
相似职位推荐
Supercomputing Software Engineer (Taiwan)
Etched · 台北市
AI 估算 · 12.0–25.0万3 小时前发布
资深Java开发工程师
网易 · 杭州市
AI 估算 · 3.0–5.0万11 小时前发布
资深服务端开发工程师
网易 · 广州市
AI 估算 · 2.5–4.5万11 小时前发布
点评技术-算法平台研发工程师（Java）
美团 · 北京市
AI 估算 · 2.5–4.5万11 小时前发布
广告数据工程及Agent开发
美团 · 北京市
AI 估算 · 3.0–5.0万11 小时前发布
Java开发工程师（营销活动方向）-【游戏事业部】
快手 · 杭州市
AI 估算 · 2.5–4.5万11 小时前发布
分布式 KV 存储专家
京东 · 北京市
AI 估算 · 8.0–15.0万11 小时前发布
软件开发
京东 · 北京市
AI 估算 · 3.5–6.0万11 小时前发布
Watch Jobs