Keeta技术-调度算法工程师

优缺点分析

角色解读

• 深耕调度算法领域，成为运筹优化或强化学习方向的专家
• 随着 Keeta 多国业务拓展，成长为具备国际化视野的技术 leader
• 可向 AI 工程化、技术管理或业务策略等方向发展
• 负责 Keeta 即时配送调度算法的建模与迭代，包括骑手-订单匹配、路径规划和时间预估等核心模块
• 运用运筹优化和强化学习等方法，在多供需场景下持续优化配送效率和用户满意度
• 与产品、运营团队协作，将业务问题转化为可落地的算法方案，并推动上线
• 探索 AI 编程工具和大模型辅助分析，提升算法研发效率
• 扎实的运筹优化、机器学习或强化学习理论基础与项目经验
• 熟练使用 Python、C++ 及相关算法框架
• 熟悉 Gurobi/OR-Tools 等求解器，或有即时配送/物流调度经验
• 具备英语工作能力，有海外经验者更佳

申请策略

• 面试前深入了解 Keeta 业务，思考可能的技术优化方向
• 准备一个从问题定义到上线效果的项目案例，体现全流程能力
• 突出运筹优化或强化学习的项目经验，尤其是落地到实际系统的成果
• 强调使用 Gurobi、OR-Tools 等求解器的经历，以及 Python/C++ 编码能力
• 展示英语能力及海外工作/生活经验
• 如有 AI 辅助工具（如 Copilot）提升研发效率的实践，务必提及
• 提前复习运筹优化经典模型（如 TSP、VRP）和求解方法
• 熟悉即时配送业务场景，了解行业常见调度策略

面试指南

• 对于算法项目问题，按背景、挑战、方法、结果（STAR 框架）组织回答
• 对于设计类问题，先明确目标和约束，然后提出方案思路，最后讨论权衡
• 展示问题拆解能力：将复杂问题分解为可解决的子问题
• 请描述一个你使用运筹优化或强化学习解决实际问题的项目
• 如何设计一个骑手-订单匹配算法？考虑哪些因素？
• 谈谈你对即时配送中调度策略的理解，有哪些挑战？
• 你如何评估和优化算法的线上效果？
• 你使用过哪些 AI 编程工具？它们如何提升你的效率？