小红书
【2027校招】搜广推 × AI 应用工程师
【2027校招】搜广推 × AI 应用工程师
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Prompt工程
Rag
多模态模型
大模型
高并发系统
值不值得投
82综合评分
综合评分 82
校招核心引擎岗，技术前沿，成长空间大，工作模式待确认。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
24K
比机器学习工程中位数高
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 1400 个在招 · 其中机器学习工程 16 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 420 个在招
职位详情
关于这个职位
该职位是小红书校招AI应用工程师岗位，专注于搜索、推荐、广告和电商等核心业务的AI原生应用工程落地
你将深度参与系统架构设计、服务开发及性能优化，将大模型、多模态模型等前沿AI能力与业务场景深度结合，并负责底层通用能力的抽象与平台化建设，提升团队整体效率
最低要求
本科及以上学历，计算机等相关专业，精通 Java 或 C/C++ 至少一门，熟悉大模型、Agent 等技术，基础扎实，有良好编程规范与工程能力，有大型搜推广项目落地经验者优先
有千万级用户产品研发经验，能独立完成架构设计与关键业务建模
熟悉高并发、高可用分布式系统设计，对系统扩展性、伸缩性与性能优化有成熟的知识体系
具备 AI 应用工程落地能力，能够将 LLM、多模态模型等 AI 能力与搜广推业务深度结合
有 RAG、Agent、Prompt 工程或 AI 链路系统化开发经验
对 AI应用于搜索、推荐、广告、电商等新范式有实际工程实践或主动探索者优先
具备较强的系统抽象与设计能力，能推进技术规范落地，追求高质量代码
有较强的业务 Sense，能从全局视角发现潜在架构问题并主动推动解决
善于跨团队沟通与协作，具备 Ownership 意识
工作职责
核心引擎与业务架构，负责小红书主站与Rednote搜索、推荐、广告、电商引擎架构和业务架构的设计、研发与持续调优
抽象通用开发框架与组件，推动技术平台化、产品化，提升全团队业务支持效率
AI原生应用工程，深度参与 AI 原生应用于搜索、推荐、广告、电商等新业务以及国际化场域的工程落地，承担 AI 应用与引擎系统的设计、服务开发及链路性能优化，打通模型能力到产品体验的通路
底层能力沉淀与复用，针对多业务线广泛共用的底层能力进行抽象、开发与优化，产出高质量技术方案和代码，持续降低重复建设成本
优先资格
有大型搜推广项目落地经验者优先
对 AI应用于搜索、推荐、广告、电商等新范式有实际工程实践或主动探索者优先
AI 洞察
优缺点分析
优点
- 技术栈前沿：直接接触并实践大模型、Agent等AI技术在千万级用户核心业务中的工程落地，技术成长快
- 业务场景丰富：覆盖搜索、推荐、广告、电商等多元复杂业务，能积累全面的架构设计和业务建模经验
- 平台资源充足：作为超大型企业，拥有丰富的技术资源、数据资源和成熟的工程化体系，为个人技术发展提供坚实基础
- 技术复杂度高：需要同时深入理解复杂的搜广推业务逻辑和前沿的AI技术，并实现两者的高效融合，对学习能力和解决问题能力要求极高
- 适合计算机相关专业，具备扎实编程和系统设计基础，对人工智能应用有浓厚兴趣并愿意深入工程实践，追求在核心业务中快速成长的优秀应届毕业生
缺点 / 挑战
- 业务线协作多：需要与多个业务线、算法团队、产品团队紧密协作，对沟通协调和项目管理能力有较高要求
- 校招直接进入核心业务：作为校招生直接参与核心引擎开发，可能面临较快的上手节奏和较高的产出期望
角色解读
- 技术专家路线：深耕搜广推引擎与AI应用结合领域，成为特定技术方向（如推荐系统架构、AI工程化）的资深专家或架构师
- 技术管理路线：在负责复杂项目和带领小团队的基础上，逐步承担更大的团队管理职责，负责业务线的整体技术规划和团队建设
- 业务领域专家：凭借对AI技术与小红书业务的深刻理解，成为连接技术与产品/业务的核心枢纽，参与更前沿的技术战略制定
- 负责小红书搜索、推荐、广告、电商等核心业务的引擎架构和业务架构设计与研发，将AI模型能力转化为具体的产品功能和体验
- 深入AI应用工程，将大语言模型、多模态模型等前沿技术与实际业务场景（如搜索排序、推荐算法、广告投放）相结合，解决复杂的工程问题
- 抽象和建设底层通用技术组件与开发框架，推动技术平台化，以提升整个研发团队的开发效率和代码质量
- 扎实的编程功底，精通Java或C/C++，并熟悉分布式系统设计，能够独立完成高并发、高可用系统的架构设计与优化
- 对搜广推（搜索、推荐、广告）业务有理解，并能将大模型（LLM）、Agent等AI技术应用于这些场景，具备RAG、Prompt工程等实践经验
- 强大的系统抽象和设计能力，以及良好的业务理解和跨团队协作沟通能力，能够从全局视角推动技术方案落地
申请策略
- 深入了解小红书的核心业务（内容社区、电商等）及其推荐、搜索产品的特点，思考AI技术如何在其中发挥作用
- 准备一个能体现你综合能力的深度项目案例，能够清晰地阐述技术选型、架构设计、遇到的挑战以及最终的解决方案
- 重点突出与搜索、推荐、广告或电商相关的项目经历，尤其是涉及高并发、分布式系统设计的部分
- 强调对大模型、Agent、RAG等AI技术的实践理解，可以列举具体的探索项目、课程作业或竞赛成果
- 展示系统设计与抽象能力，例如描述你如何设计一个可复用组件、优化过一个系统架构或解决了某个性能瓶颈
- 体现业务理解与沟通协作能力，例如在项目中如何理解业务需求、推动方案落地或与他人协作
- 系统复习和深化高并发、高可用分布式系统设计的核心知识（如CAP、微服务、缓存、消息队列）
- 动手实践AI应用工程，例如使用LangChain、LlamaIndex等框架搭建一个RAG应用，或深入学习Prompt Engineering技巧
面试指南
- 对于系统设计问题，采用结构化思维：明确目标和约束 -> 核心架构设计（分模块/组件）-> 关键流程与数据流 -> 可能遇到的难点与优化点
- 对于技术应用问题（如AI+搜广推），结合具体业务场景说明：业务痛点是什么 -> 该技术（如LLM）如何针对性地解决或增强 -> 工程落地时需要考虑什么（如实时性、成本、效果评估）
- 对于开放性问题，表达清晰的观点：先阐述行业或技术趋势 -> 再结合小红书的业务特点（如内容理解、种草消费）进行分析 -> 最后可以提出一些个人思考或潜在挑战
- 请介绍一个你参与过的高并发系统项目，你在其中负责什么？遇到了什么技术挑战？如何解决的？
- 如何将大语言模型（LLM）的能力应用到推荐系统中？请谈谈你的理解或实践经验
- 如果让你设计小红书搜索结果的排序架构，你会考虑哪些核心因素和技术模块？
- 你有了解过RAG（检索增强生成）技术吗？请描述一下其基本原理和可能的应用场景
- 你如何看待在搜广推场景下应用AI技术的趋势？
职位点评
薪资福利80
成长发展95
工作生活60
使命价值85
薪资福利
80较高
作为超大型企业的校招岗位，薪资在同类岗位中应具有竞争力，但JD未明确说明具体数字和福利体系。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
95较高
职位涉及搜广推核心引擎与前沿AI应用工程，技术栈先进，业务场景复杂且重要，为校招生提供了极佳的技术成长平台和深度参与核心业务的机会。
技术前沿前沿/新兴技术
技术栈Java、C/C++、大模型、Agent、高并发系统、LLM、多模态模型、RAG、Prompt工程
业务类型profit_center
工作生活
60中等
JD未明确提及任何工作模式或WLB相关信息。工作地点在一线城市，但具体办公环境和节奏未知。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
参与小红书这样具有影响力的互联网平台核心业务建设，能直接影响亿级用户的使用体验，工作具有明确的产品价值和创新空间。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
小红书 的其他在招职位
相似职位推荐
Watch Jobs