AI搜索引擎研发专家/工程师（上海/深圳）

优缺点分析

角色解读

• 技术专家路线：深入搜索引擎底层内核，成为分布式检索、索引优化等方向的权威专家
• 架构师路线：负责更大规模搜索系统的架构设计，从单机到集群，覆盖多业务场景
• 技术管理路线：积累经验后带团队，负责搜索团队的技术方向和管理工作
• 负责云存储系统中多模态数据的检索与漏斗系统设计，保障大规模搜索服务的稳定性和性能
• 开发并维护搜索引擎端到端链路，包括分布式系统、索引结构、查询优化等核心模块
• 构建离线数据到在线索引的同步机制，确保搜索数据的实时性和一致性
• 优化多种索引结构（倒排/正排/向量）的执行效率，并搭建高可用搜索框架，完善监控与故障自愈能力
• 精通C/C++/Go/Java至少一种语言，具备扎实的高并发、高可用分布式系统开发能力
• 深入理解搜索引擎核心机制，如倒排、正排、向量索引，熟悉BM25/TF-IDF打分及Filter原理
• 有Faiss/Havenask/ElasticSearch等实际开发经验，并落地过Hybrid Search（关键词+向量）方案
• 熟悉Linux操作系统，能够快速排查线上性能问题，具备性能分析和瓶颈优化能力

申请策略

• 内推能提高简历通过率，建议通过腾讯在职员工或招聘平台获取内推码
• 面试前研究腾讯云搜索相关产品，了解其业务场景，准备针对性的技术方案
• 重点展示搜索引擎或相关分布式系统的项目经验，尤其是Faiss、ElasticSearch等实际开发案例
• 突出性能优化成果，如查询延迟降低、吞吐提升、资源消耗优化等具体数据
• 强调对索引结构、召回排序机制的理解，若有Hybrid Search落地经验务必详细描述
• 体现高并发系统设计能力，包括分布式架构、容灾、监控等实践
• 复习并深入理解倒排索引、向量索引的实现原理，掌握Faiss和Havenask等工具的关键参数调优
• 加强C++或Go的编程能力，特别是多线程、高并发开发，并熟悉常用的性能分析工具（perf、gprof等）

面试指南

• 回答问题采用STAR法则：先说背景（Situation）、任务（Task）、行动（Action）、结果（Result），突出个人贡献和量化数据
• 对于设计类问题，先明确需求约束，再给出分层架构，并比较备选方案，最后总结权衡
• 对于优化问题，先定位瓶颈（基于监控和性能分析），再提出针对性优化手段，验证效果并复盘
• 请详细讲讲你使用ElasticSearch或Faiss做过哪些优化？具体如何实现？
• 在设计一个高并发搜索系统时，你会如何规划整体架构？请画出并解释
• 解释一下召回、粗排、精排、重排各层的作用，以及如何调整漏斗策略来优化效果？
• 如何保证索引数据的实时性和一致性？有哪些同步方案？各自的优缺点是什么？
• 线上搜索QPS突然升高导致CPU飙高，你会如何排查和解决？