C++技术专家(社区搜索）--上海/杭州

优缺点分析

角色解读

• 纵向可发展为搜索架构专家或技术总监，主导更大规模的搜索中台建设
• 横向可向AI工程化、大模型应用落地等前沿方向拓展，成为AI+搜索的复合型技术领军人才
• 负责得物社区搜索及AI智能搜索核心业务的工程化落地，将复杂的算法召回与排序策略转化为高性能的C++系统
• 主导搜索系统的稳定性与诊断分析体系建设，包括可观测性、应急响应及自动化演练，保障高并发下的高可用
• 探索并落地AI技术在搜索业务及研发提效中的应用，如开发诊断分析Agent、制定AI编程范式等
• 精通C++主流技术栈，具备丰富的高并发、大流量系统开发与性能优化经验
• 具备扎实的系统设计与架构能力，能独立完成复杂搜索/推荐工程链路的设计
• 熟悉AI技术（如大模型、Agent开发），能将AI能力融入技术架构并推动研发流程的AI转型

申请策略

• 提前体验得物App的社区搜索功能，思考当前搜索体验的痛点及可能的技术优化方案，面试时作为切入点
• 突出C++高并发系统开发经验，量化过往项目中提升的系统QPS、降低的延迟或节省的资源成本
• 详细展示在搜索、推荐或广告系统中的工程化落地经验，特别是复杂算法策略的线上应用效果
• 强调AI工具或Agent在实际研发/业务中的应用案例，如通过AI提升排查效率或代码交付质量的具体数据
• 深入学习大模型在搜索领域的应用（如RAG、向量检索、LLM重排），了解主流AI Agent开发框架
• 复习并巩固C++11/14/17新特性、内存管理、多线程并发及Linux内核网络编程等底层知识

面试指南

• STAR法则结合量化数据：在描述架构设计或性能优化时，明确背景（高并发/复杂业务）、采取的具体技术手段（如C++内存池、无锁队列、异步化）、最终带来的量化收益（QPS提升X%，RT降低Y ms）
• 技术深度与业务价值并重：回答技术问题时，不仅要说清楚底层原理（如C++内存模型、网络IO多路复用），还要点明该技术选型对业务指标（如搜索转化率、用户体验）的正面影响
• 在得物这样的高并发社区场景下，你是如何设计搜索系统的整体架构以保障低延迟和高可用的？
• 请分享一个你将复杂算法召回/排序策略进行工程化落地的案例，遇到了哪些性能瓶颈，如何解决的？
• 你在实际工作中是如何利用AI工具或Agent来提升研发效率或问题诊断效率的？请举例说明
• 搜索系统的稳定性建设中，可观测体系和自动化演练是如何设计的？遇到线上突发故障你的应急响应流程是什么？
• 准备1-2个自己主导的复杂C++系统架构设计案例，画出架构图，并准备好应对面试官对细节（如锁竞争、内存泄漏、GC停顿等）的深挖
• 了解当前大模型在搜索推荐领域的最新进展（如基于LLM的Query理解、生成式检索），并思考如何与得物社区业务结合