携程
搜索算法工程师(MJ035646)
搜索算法工程师(MJ035646)
发布于 大约 15 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
NLP
PyTorch
RAG
TensorFlow
LLM
大语言模型
query理解
Search Agent
AI 估算 · 25k–45k
上海大厂搜索算法岗，2年以上经验，结合市场行情，月薪25-45K，中位数35K，含年终奖14薪。
职位详情
关于这个职位
该职位负责携程AI搜索场景下的Query理解与意图分析算法研发，涉及分词、实体识别、Query改写、语义匹配等核心NLP任务
你将参与构建搜索智能体的语义理解能力，并探索大语言模型、RAG等前沿技术在搜索中的应用
适合有NLP/搜索/大模型经验、热爱技术创新的算法工程师
最低要求
计算机科学、自然语言处理、人工智能、数学或相关专业本科及以上学历
年以上算法相关工作经验，有搜索、推荐、NLP 或大模型相关项目经验者优先
熟练掌握 Python / C++ / Java 至少一种编程语言，具备良好的编码能力
深入理解 NLP 基础理论与常见算法，有以下任一方向经验者优先：
Query 理解（意图识别、Query 改写、语义解析）
文本匹配与语义检索
大语言模型微调与 Prompt Engineering
知识图谱与结构化信息抽取
对话系统与多轮交互理解
熟悉主流深度学习框架（PyTorch / TensorFlow），有大规模模型训练和推理优化经验
具备良好的问题分析能力和数据敏感度，能独立开展算法实验与效果评估
工作职责
负责 AI 搜索场景下的 Query 理解与意图分析算法研发，包括但不限于：分词、词性标注、命名实体识别、Query 改写、意图分类、语义匹配等
构建和维护搜索 Query 理解的核心模型与 pipeline，支撑搜索智能体（Search Agent）的语义理解能力
参与搜索相关性优化、多轮对话理解、知识问答等 NLP 相关算法的研发与落地
跟踪业界前沿技术（大语言模型、检索增强生成 RAG、Agent 框架等），探索在搜索场景中的应用
与工程团队协作，推动算法模型在生产环境的部署与性能优化
优先资格
有 AI Search / Search Agent / RAG 相关落地项目经验者优先考虑
AI 洞察
优缺点分析
优点
- 岗位涉及大模型、RAG等前沿技术，紧跟AI发展浪潮，技能积累厚实
- 上市大公司，薪资福利体系完善，职业稳定性高
- 团队氛围技术导向，有机会参与顶级会议论文和专利申请
- 涉及多团队协作，需要良好的沟通能力和工程落地意识
- 技术栈更新快，需要不断学习大模型等新知识，保持竞争力
缺点 / 挑战
- 携程是国内OTA龙头，搜索场景数据量大、业务价值高，技术挑战性强
- 搜索算法对效果要求高，线上指标压力较大，需要持续迭代优化
- 适合对NLP和搜索技术有浓厚兴趣、具备较强算法实现能力、乐于挑战前沿技术、希望在大型互联网平台成长的算法工程师
角色解读
- 可向搜索算法专家方向深耕，成为Query理解或RAG领域的核心人才
- 有机会转型为AI Search Agent架构师，主导搜索系统的智能化演进
- 横向拓展到推荐、广告等算法领域，或晋升为技术Leader
- 负责搜索Query理解，包括分词、实体识别、意图分类等，提升搜索精准度
- 构建和优化搜索智能体的语义理解pipeline，支持多轮对话和知识问答
- 跟踪大模型和RAG前沿技术，探索其在搜索场景中的落地应用
- 与工程团队协作，将算法模型部署到生产环境并持续优化性能
- 扎实的NLP基础，熟悉Query理解、语义匹配、文本检索等核心算法
- 精通至少一门编程语言（Python/C++/Java），具备工程实现能力
- 掌握深度学习框架（PyTorch/TensorFlow），有模型训练和推理优化经验
- 了解大语言模型、RAG、Agent框架，有相关项目经验者优先
申请策略
- 提前了解携程搜索业务，如酒店、机票、旅游产品搜索特点，思考优化点
- 在简历中用量化指标（如准确率提升x%、召回率提升y%）展示成果
- 突出NLP相关项目经验，尤其是Query理解、语义匹配或搜索排序的实际落地案例
- 展示大模型或RAG项目的成果，包括模型微调、Prompt设计或Agent构建
- 强调编程能力和工程化水平，如高性能C++或Python代码优化经验
- 如有顶会论文或竞赛奖项，务必突出，体现技术深度
- 系统学习大语言模型原理和微调技术，熟悉HuggingFace、LangChain等工具
- 实践RAG技术栈，包括向量数据库、检索排序、生成融合等
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出技术细节和量化指标
- 从问题定义→数据准备→模型设计→实验验证→线上部署的完整路径
- 对比不同方案的优缺点，展示技术选型思考
- 请详细讲一个你负责的Query理解项目，包括问题定义、模型选型、效果评估
- 如何设计一个Query改写模型？从数据构建到线上部署的全流程
- 你对RAG的理解？如何解决检索噪声和生成错误的问题？
- 大模型在搜索场景中可能有哪些应用？如何权衡效果和延迟？
- 手撕代码：实现一个简单的语义匹配模型（如Sentence-BERT的推理）
职位点评
72
综合评分
携程搜索算法岗，前沿技术栈、成长空间大，薪资竞争力高，但WLB一般。
更适合这类人
最适合发展性动机强的求职者，看重技术成长和前沿项目，对WLB要求不高的候选人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值70
薪资福利
80较高
携程上市大厂，薪资在市场中上水平，福利完善（五险一金、补充医疗等），但JD未明确薪资范围，需面议。
薪资信号面议 (25K-45K/月)
成长发展
90较高
岗位涉及大模型、RAG等前沿技术，研发属性强，团队技术驱动，成长空间大。JD明确提及跟踪前沿技术，鼓励探索创新。
技术前沿前沿/新兴技术
技术栈大语言模型、LLM、RAG、Agent、Query理解、语义匹配
业务类型profit_center
工作生活
50较低
JD未明确工作模式和弹性情况，推测为现场办公，互联网大厂节奏较快，WLB一般。
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
70中等
OTA行业稳定增长，搜索优化直接提升用户体验和平台交易，社会价值中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs