深度求索
AI 搜索算法 / 架构工程师
AI 搜索算法 / 架构工程师
发布于 大约 11 小时前普通员工/个人贡献者
北京市
其它
全职员工
仅现场办公
学历未注明
软件工程
分布式系统
PyTorch
RAG
搜索引擎
LLM
CUDA
召回
排序
query理解
AI 估算 · 30k–60k
AI搜索算法/架构岗位，北京B轮中大型企业，技术难度高，市场薪资竞争力强，通常15个月左右。
职位详情
关于这个职位
该职位负责打造下一代 AI 原生的通用搜索引擎，探索 LLM 与搜索引擎的深度融合
你将参与构建极致简洁、轻量的 LLM-based 检索系统，优化 query 理解、召回、排序等核心算法，或开发支持千亿级数据的大规模在线检索架构
适合对搜索、RAG、大模型技术有热情，且具备扎实工程或算法能力的求职者
最低要求
至少熟悉机器学习、深度学习、信息检索中的一个方向
对搜索和大模型结合感兴趣，愿意持续学习新技术并深入真实业务问题
具备良好的工程落地能力与意识，不做过度设计，能够在成本与延时约束下完成算法落地
沟通直接、协作意识强，具备优秀的跨团队协作能力
（架构方向）熟练掌握 C++ 或 Rust，熟悉 Python、SQL 等常用语言，工程能力强
熟悉数据密集型系统开发和性能优化，有良好的系统设计品味
工作职责
负责 DeepSeek 搜索引擎的核心算法优化，包括 query 理解、召回、排序、索引筛选、质量评估等方向
建设多语言、多场景、多模态的搜索能力
构建搜索质量评估体系，包括自动化评估、badcase 分析等
与架构、数据、产品、posttrain等团队紧密协作
持续跟进搜索、RAG、LLM、多模态等方向的技术进展
（架构方向）负责搜索引擎的开发和维护，构建支持千亿级数据、千万日活用户的检索系统
开发并优化在线召回、排序、策略模块及离线索引构建管线
与算法、数据团队协作支持新模型、新算法快速落地
探索搜索新架构、新范式，为 Agent 提供更强大的信息检索工具
优先资格
有搜索、推荐、广告、RAG、chatbot 等大规模在线系统经验者优先
熟悉大规模分布式向量检索技术（稠密/稀疏/多向量），熟悉 RDMA 高性能通信技术
熟悉 Pytorch、CUDA 等模型推理技术，了解 KVCache 存储系统，有模型部署和推理加速经验
有个人开源项目作品，深度参与过大型开源软件研发，发表过高水平学术论文
AI 洞察
优缺点分析
优点
- 前沿技术栈：LLM、RAG、多模态，处于AI应用热点
- 公司B轮融资，快速发展期，有较大成长空间和影响力
- 开放协作文化，鼓励直接沟通和创新
- 对技术要求全面，需同时掌握算法与工程，学习曲线陡峭
- B轮公司，可能存在加班和快速迭代节奏
- 适合对AI搜索和大模型技术充满激情，具备扎实算法或工程背景，愿意在快速成长环境中解决复杂问题的求职者
缺点 / 挑战
- 团队使命明确，产品技术挑战高，能积累核心搜索与AI经验
- 涉及大规模系统，需在成本、延迟、效果间平衡，压力较大
角色解读
- 技术深耕：成为搜索算法或系统架构专家，主导核心模块
- 管理路径：带领算法或架构团队，负责技术方向决策
- 跨界发展：向通用AGI系统、多模态、Agent等前沿领域拓展
- 优化搜索引擎核心算法，包括query理解、召回、排序、质量评估等，提升搜索准确性与时效性
- 构建多语言、多模态搜索能力，解决不同语言和内容生态下的检索问题
- 开发并维护大规模分布式检索系统，支持千亿级数据和千万级用户请求
- 探索LLM与搜索引擎融合的新架构，为Agent提供更强的信息检索工具
- 扎实的机器学习/深度学习或信息检索基础
- 较强的工程能力：算法方向需掌握Python，架构方向需精通C++或Rust
- 对搜索、RAG、大模型技术有浓厚兴趣，能深入业务badcase
- 良好的系统设计能力与跨团队协作意识
申请策略
- 关注DeepSeek的技术博客和开源项目，展示对该公司的了解和热情
- 面试前准备一个搜索相关的技术方案或badcase分析，体现问题解决能力
- 突出搜索、推荐、广告或RAG相关项目经验，量化效果提升
- 展示大规模系统设计或优化经历，如处理亿级数据、低延迟优化
- 强调开源贡献、论文发表或竞赛成绩，体现技术深度
- 描述跨团队协作案例，展示沟通与推动能力
- 补充向量检索、RDMA、CUDA推理加速等高性能技术
- 深入学习LLM+搜索结合的最新论文和技术方案
面试指南
- 对于系统设计题，从需求、数据、技术选型、性能优化、评估等步骤展开
- 对于badcase分析题，先定位问题根因，再设计方案并验证，强调系统性思考
- 对于技术方案对比题，列出优缺点并结合具体业务场景给出推荐
- 请设计一个LLM-based的搜索召回系统，如何平衡效果和延迟？
- 如何评估搜索引擎的质量？列举自动评估和人工评估的方法
- 在多语言搜索场景中，如何处理不同语言的语义差异？
- 请描述一个你参与过的分布式系统性能优化案例，如何做权衡？
- 你对RAG的理解？如何优化检索增强生成的检索环节？
职位点评
70
综合评分
前沿AI搜索技术栈，发展空间大，但WLB一般，适合追求技术突破的求职者。
更适合这类人
最适合追求技术前沿和快速成长的求职者，愿意在AI搜索领域深耕。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活40
使命价值85
薪资福利
65中等
B轮中大型企业，薪资有竞争力但未明确披露；福利未提及，稳定性中等。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
前沿技术栈（LLM、RAG、多模态），成长信号明确，团队使命驱动，提供大量学习和创新机会。
技术前沿前沿/新兴技术
技术栈LLM、RAG、多模态、搜索引擎、分布式系统、向量检索
业务类型profit_center
工作生活
40较低
仅现场办公，地点在北京，未提及弹性工作或WLB，可能加班。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
85较高
打造AI原生搜索引擎，推动AGI发展，社会价值较高；行业高速增长，创新性极强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号搜索是AGI感知世界的原生感官、让每一次提问都被真正理解
创新程度开拓性创新（行业首创）
深度求索 的其他在招职位
相似职位推荐
Watch Jobs