美团
点评技术-AI搜索算法工程师
点评技术-AI搜索算法工程师
发布于 大约 16 小时前普通员工/个人贡献者
全职员工混合式弹性办公NLP工程
NLP工程
Llm
Nlp
Pytorch
Rag
Tensorflow
多模态学习
搜索算法
值不值得投
76综合评分
综合评分 76
技术前沿、业务核心、成长性强，是追求技术深度与业务影响力者的理想选择。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
30K
比NLP工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3480 个在招 · 其中NLP工程 5 个
市场机会
选择适中
北京 · NLP工程 · 49 个在招
职位详情
关于这个职位
作为AI搜索算法工程师，你将深度参与美团核心本地生活业务的AI搜索全链路算法优化，包括Query理解、多模态召回、排序及生成式答案合成
你的工作将直接服务于用户“找店、找服务、找优惠”的核心场景，基于LLM构建先进的RAG检索增强生成系统和搜索Agent，并负责其测试评估框架的建设，确保AI技术在真实复杂场景中可靠、安全地落地，以技术驱动用户体验和业务增长
最低要求
硕士研究生及以上学历，计算机、人工智能、数学等相关专业
3年以上搜索、推荐或NLP相关算法研发经验，有大规模在线系统实战经验
熟练掌握机器学习、深度学习算法，熟悉BERT、Transformer等模型在搜索场景的应用
具备扎实的编程能力，熟练使用Python、C++或Java，熟悉TensorFlow、PyTorch等框架
工作职责
负责本地生活AI搜整体算法优化（Query理解、多模态召回、排序、生成式答案合成），提升找店、找服务、找优惠的精准度与体验
基于LLM构建RAG检索增强生成系统及搜索Agent，支持多轮对话、工具调用与复杂意图推理，落地真实场景
构建并维护AI Agent的Harness测试与评估框架，包括离线评测、在线流量模拟、多轮对话自动化测试、效果归因与对抗性验证，确保Agent行为的可靠性、安全性与业务价值
融合地理位置、图文评价、用户行为等多源数据，迭代深度学习与LLM微调模型（SFT/RLHF），并持续优化推理成本与性能
AI 洞察
优缺点分析
优点
- 算法效果直接驱动核心业务指标（如用户满意度、GMV），成就感反馈清晰
- 团队技术氛围好，能与资深专家共事，且岗位本身提供了广阔的技术探索和职业发展空间
- 工作地点灵活，提供双城选择，薪酬福利具有行业竞争力
- 技术难度高，需要将复杂的AI模型稳定、高效地部署到千万级用户的线上系统，并持续迭代
- 业务场景复杂，需要深入理解本地生活业务逻辑，平衡技术先进性与实际落地可行性
- 系统规模庞大，涉及多源数据融合与大规模分布式系统，对工程能力和系统设计有很高要求
- 对AI搜索和大模型应用有浓厚兴趣，具备扎实算法基础和丰富工程经验，追求技术深度并乐于用技术驱动业务增长的工程师
缺点 / 挑战
- 技术挑战性强，能直接接触并应用LLM、RAG、多模态等前沿技术，解决真实的超大规模业务问题
角色解读
- 技术深度：深耕AI搜索与大模型应用领域，成为特定方向（如Agent、RAG、多模态）的技术专家
- 技术广度：横向拓展至推荐、广告、本地生活全链路AI技术，或转向AI平台、基础设施建设
- 管理方向：带领小型算法团队，负责某一技术模块或业务线的整体AI策略规划与落地
- 负责AI搜索全链路算法优化，包括理解用户Query、多源信息召回、排序和生成最终答案
- 构建基于大语言模型的RAG系统和搜索Agent，使其能够处理复杂对话和工具调用
- 设计和维护AI Agent的测试与评估体系，确保其在线上真实环境中的可靠性和安全性
- 利用多源数据（位置、评价、行为）训练和微调模型，并在效果与成本间寻求最优平衡
- 扎实的搜索、推荐或NLP领域算法研发经验，熟悉BERT、Transformer等模型原理及应用
- 熟练使用Python、C++/Java，并掌握PyTorch/TensorFlow等主流深度学习框架
- 了解LLM、RAG等生成式AI技术，并有将之落地到大规模在线系统的工程能力
- 具备数据处理、模型训练、推理优化等全栈技能，以及解决复杂技术问题的能力
申请策略
- 深入研究美团App的搜索功能，特别是“找店、找服务、找优惠”场景，思考现有体验与优化空间
- 了解美团的“零售+科技”战略以及核心本地商业的业务模式，以便在面试中更好地结合业务谈技术
- 详细描述与搜索、推荐、NLP相关的算法项目经验，特别是涉及模型优化、效果提升的部分
- 突出在构建或优化大规模在线系统（如搜索、广告、内容分发）中的实战经验和工程贡献
- 如有LLM、RAG、Agent等相关项目或研究经历，务必重点阐述，这是本岗位的核心亮点
- 明确列出熟悉的编程语言、框架及在项目中的具体应用，体现扎实的工程实现能力
- 系统性学习和实践LLM、RAG、Agent的前沿技术，理解其原理、局限性和优化方向
- 深入研究多模态（文本、图像、位置）信息融合与排序的技术方案，结合本地生活场景思考
面试指南
- 采用STAR法则（情境-任务-行动-结果）描述项目，重点突出你个人的技术贡献和思考
- 从问题定义、方案设计、关键挑战、实施效果、后续思考等多个维度结构化回答技术方案题
- 对于系统设计和故障排查类问题，展现你的系统性思维、数据驱动的方法论和快速解决问题的能力
- 请描述一个你过去主导的、涉及搜索或NLP的算法项目，重点介绍技术选型、优化思路和效果
- 如何设计一个基于LLM的搜索Agent来处理“帮我找一家适合聚餐的川菜馆”的复杂意图？
- 在构建RAG系统时，如何评估和确保召回内容的相关性与生成答案的准确性？
- 如果线上搜索效果出现突降，你会如何系统性地进行问题排查和归因？
- 如何平衡模型效果提升与线上推理成本、时延之间的关系？
职位点评
薪资福利70
成长发展90
工作生活65
使命价值80
薪资福利
70中等
该职位薪资水平具有行业竞争力，作为已上市的大型企业，能提供相对稳定和完善的薪酬福利体系。
薪资信号偏高 (20K-40K/月)
福利待遇五险一金、年终奖、行业竞争力的薪酬与福利
成长发展
90较高
职位技术栈前沿（LLM、RAG、Agent），直接参与千万级用户核心平台建设，有明确的成长信号和广阔的技术发展空间。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、BERT、Transformer、SFT、RLHF、多模态学习
成长机会与资深算法专家共同成长、提供广阔的职业发展空间、持续优化推理成本与性能
业务类型profit_center
工作生活
65中等
岗位明确支持北京、上海双城办公，提供了一定的办公地点灵活性，但未明确提及具体工作时间安排与WLB政策。
工作模式混合式弹性办公
办公地点科技园/产业园
加班情况未提及（无法判断）
工作生活平衡工作地点灵活，支持北京、上海双城办公
使命价值
80较高
岗位在本地生活这一高频、刚需赛道，通过AI技术优化用户体验、提升商户效率，具有明显的正向社会价值和行业前景。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号帮大家吃得更好，生活更好、优化用户使用体验，提升商户经营水平
创新程度积极采用新技术
Watch Jobs