携程
AI工程开发工程师(MJ030228)
AI工程开发工程师(MJ030228)
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Llm
Rag
向量数据库
微服务架构
高并发
值不值得投
80综合评分
综合评分 80
前沿AI技术栈、大厂高薪平台、高并发挑战、工作强度可能较大
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
比后端开发中位数高
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 530 个在招 · 其中后端开发 18 个
市场机会
选择面较广
上海 · 后端开发 · 约 320 个在招
职位详情
关于这个职位
负责携程大规模AI模型（LLM）的在线服务部署、性能调优与推理加速，确保高并发场景下的高可用
同时参与智能Agent框架及搜索推荐算法后端系统的设计与开发，使用Java构建核心模块，保障系统稳定高效运行
最低要求
具有算法平台开发或与算法团队深度合作经验者优先，特别是具备模型部署、模型在线推理服务的实际项目经验
具备大语言模型或复杂模型在线部署(Triton, TorchServe, TensorFlow Serving)、性能调优和推理加速的实际项目经验者优先
熟悉智能Agent系统核心模块(如知识库/RAG/工具调用/记忆管理)的设计或开发，熟悉相关框架(LangChain/LlamaIndex/MCP/A2A协议)和向量数据库
必须负责过高并发C端系统的设计、开发和稳定性保障
具备较强的架构设计能力、抽象能力和平台化落地能力
必须精通Java后端开发语言，具备深厚的编程功底和面向对象编程思想
熟练使用MySQL、Oracle等关系型数据库，具备数据库设计、优化和故障排查能力
熟悉实时数据处理技术栈，如Flink、Kafka等，具有实时数据处理任务实战经验
工作职责
参与大规模语言模型(LLM)及其他AI模型的在线服务部署、性能调优与推理加速，确保高并发、低延迟、高可用的模型服务
参与设计和开发智能Agent运行框架，实现核心模块，包括不限于知识库存储与检索(RAG)、Agent的长短期记忆存储、对接多模型协作协议(如MCP/A2A)等新型交互机制
负责搜索推荐算法工程后端系统的设计、开发和维护，保障系统稳定高效运行，实现高并发在线特征工程、模型推理服务集成和服务质量监控等核心模块
参与系统架构的设计、优化及核心模块的代码实现(Java为主)
与产品经理、算法工程师、前端工程师紧密协作，理解需求，设计技术方案并推动落地
负责系统的日常维护、监控、故障排查和性能调优
AI 洞察
优缺点分析
优点
- 接触行业最前沿的大模型（LLM）和Agent技术，技术栈极具竞争力
- 携程作为头部OTA平台，拥有海量用户和高并发场景，能积累宝贵的系统工程经验
- 岗位涉及核心业务（搜索推荐）与前沿AI结合，内部重视程度高，职业发展空间大
- 大厂平台背书，有利于未来在AI工程化领域的职业发展
- AI领域技术迭代迅速，需要持续学习新的框架、协议和最佳实践
- 作为成熟大厂，可能面临一定的流程规范和历史债务包袱
- 适合具备扎实Java后端基础，同时对AI工程化、大模型部署有浓厚兴趣和技术积累的资深开发者
缺点 / 挑战
- 高并发C端系统对稳定性和性能要求极高，运维和故障排查压力大
- 跨部门协作频繁（产品、算法、前端），沟通成本和协调难度较高
角色解读
- 向AI Infra（人工智能基础设施）专家方向发展，深耕大模型工程化落地
- 晋升为技术专家或架构师，主导更复杂的分布式系统和AI平台架构设计
- 拓展至全栈AI应用开发，从底层推理加速向上层Agent应用逻辑延伸
- 负责将大语言模型（LLM）部署到生产环境，并进行推理加速和性能调优，以支持高并发业务场景
- 开发和维护智能Agent框架，实现RAG、记忆管理等核心功能，并对接多模型协作协议
- 构建搜索推荐系统的后端基础设施，处理高并发在线特征工程和模型推理服务集成
- 进行系统架构设计与代码实现（Java），保障系统稳定性并解决故障
- 精通Java后端开发，具备高并发系统设计能力和深厚的编程功底
- 熟悉主流AI模型部署框架（Triton, TorchServe等）及推理加速技术
- 掌握智能Agent开发相关技术栈（LangChain, LlamaIndex, RAG, 向量数据库）
- 具备实时数据处理经验（Flink, Kafka）及关系型数据库优化能力
申请策略
- 了解携程当前的AI战略布局和业务应用场景，面试中可结合具体业务谈技术落地
- 准备一些关于‘如何平衡AI模型效果与推理成本/延迟’的深度思考问题
- 突出高并发系统架构设计经验，量化QPS、响应时间等关键指标
- 详细列举AI模型部署、推理加速的具体项目案例，展示性能提升数据
- 强调在RAG、Agent框架或向量数据库方面的实际开发经验
- 体现跨团队协作能力和解决复杂技术难题的能力
- 深入学习LangChain、LlamaIndex等Agent开发框架及其底层原理
- 掌握Triton Inference Server等主流推理引擎的使用和优化技巧
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历，重点突出个人贡献和技术难点
- 对于性能调优类问题，从硬件资源、模型量化、批处理、缓存策略等多维度展开分析
- 对于架构设计类问题，先阐述设计原则（如高可用、可扩展），再给出具体方案，最后说明权衡取舍
- 结合具体数据（如QPS提升百分比、延迟降低毫秒数）来佐证技术效果
- 请详细介绍一个你负责的AI模型部署项目，遇到的最大挑战是什么？如何解决？
- 在高并发场景下，如何进行LLM推理服务的性能调优？
- 你是如何设计RAG系统的？如何处理知识库更新和检索准确性问题？
- Java后端在高并发下的JVM调优和GC策略有哪些实践经验？
职位点评
薪资福利85
成长发展92
工作生活60
使命价值70
薪资福利
85较高
携程作为上市巨头，提供具有市场竞争力的薪酬福利体系，符合高级技术人才的预期。
薪资信号未披露（AI估算：3.5千–6.0万/月）
成长发展
92较高
岗位深度介入LLM和Agent前沿技术领域，技术成长空间巨大，且背靠大厂平台资源丰富。
技术前沿前沿/新兴技术
技术栈LLM、Triton、TorchServe、LangChain、LlamaIndex、MCP、A2A、RAG、Flink、Kafka
业务类型profit_center
工作生活
60中等
互联网大厂通常工作强度较大，虽未明确提及加班文化，但高并发系统维护和前沿技术攻关往往伴随高强度工作。
工作模式未明确
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
通过AI技术提升旅游体验效率，具有一定的社会价值，但商业属性较强，使命感信号不明显。
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
携程 的其他在招职位
相似职位推荐
Watch Jobs