DiDi logo
滴滴出行
高级研发工程师-业务研发

高级研发工程师-业务研发

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 2.5–4.5万 · AI 参考估算
初级经验
本科
全职员工仅现场办公后端开发
后端开发
Ai Agent
Go
Php
性能优化
架构重构
稳定性治理
领域建模
高可用系统

值不值得投

71综合评分

综合评分 71

北京后端研发岗,核心业务链路复杂,AI 与架构成长性强,办公模式未披露

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

3.5万

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 2450 个在招 · 其中后端开发 约 150 个

市场机会

选择面较广

北京 · 后端开发 · 约 570 个在招

职位详情

关于这个职位

该岗位属于滴滴公交出行技术团队,负责动态公交、静态公交及快线等业务的后端研发,覆盖班次调度、司乘匹配和站点履约等核心链路

你将参与领域建模、架构重构、性能优化与稳定性治理,并推动 AI Agent 和大模型能力在商户经营、智能诊断及司乘服务场景落地

最低要求

全日制本科及以上,计算机相关专业,3 年以内后端经验,代码功底扎实,精通 Go / Java / PHP 等至少一门语言,有 Go 经验优先

熟悉在线高可用系统,有库存、交易、调度、履约或公交 / 客运 / 网约车研发经验优先
有借助大模型重构存量系统或知识库搭建经验优先
熟练使用 AI Coding 工具,兼顾效率与规范,能识别其边界与风险并沉淀最佳实践

工作职责

负责班次调度、司乘匹配、站点履约等核心链路的设计开发,参与架构、性能优化与稳定性治理,保障库存、撮合与履约高可用

参与多模式(动态 / 快线 / 社区专线 / 跨区快线)领域建模与架构重构,沉淀可复用方案
参与 AI Agent 基础能力建设,推动 AI 在商户经营、智能诊断、司乘服务场景落地

优先资格

有 Go 经验优先

有库存、交易、调度、履约或公交 / 客运 / 网约车研发经验优先
有借助大模型重构存量系统或知识库搭建经验优先

AI 洞察

优缺点分析

优点

  • 岗位覆盖公交出行核心链路,业务场景复杂,能积累调度、撮合、履约等高价值后端经验
  • JD 明确提到领域模型驱动架构演进和 AI 赋能业务,技术成长方向较清晰
  • 团队业务覆盖动态公交、静态公交、快线等多模式,有利于形成完整的出行技术视野
  • 多业务模式和架构重构并行,需要快速理解复杂领域模型并持续沉淀可复用方案
  • 适合三年内后端经验、希望参与复杂业务系统和 AI 工程化落地的工程师
  • 尤其适合对出行、调度、交易履约类系统感兴趣,并愿意深入 Go 或 Java 技术栈的人

缺点 / 挑战

  • 核心链路涉及库存、撮合和履约高可用,对系统稳定性、性能和边界处理要求较高
  • AI Agent 与存量系统结合仍存在落地不确定性,需要兼顾效率、规范与风险控制

角色解读

  • 短期可以深耕公交出行和网约车领域,积累调度、撮合、履约等复杂业务系统经验
  • 中期可向架构师、技术专家方向发展,负责更大范围的领域建模和架构演进
  • 长期也可转向 AI 工程化、智能服务系统建设或技术管理路线
  • 负责公交出行核心业务链路的后端设计与开发,包括班次调度、司乘匹配和站点履约,直接支撑动态公交、快线等业务运转
  • 参与多模式出行场景的领域建模、架构重构、性能优化和稳定性治理,提升系统复用性与高可用能力
  • 参与 AI Agent 基础能力建设,将大模型能力应用到商户经营、智能诊断和司乘服务等场景
  • 需要扎实的后端开发能力,至少精通 Go、Java 或 PHP 之一,并有较好的代码功底
  • 需要理解在线高可用系统,具备库存、交易、调度、履约等复杂业务系统经验会更匹配
  • 还需要熟悉 AI Coding 工具,能够在使用效率、代码规范和风险识别之间取得平衡

申请策略

  • 申请前了解滴滴公交、动态公交、快线等业务形态,思考调度、司乘匹配和站点履约中的技术难点
  • 面试中尽量用具体项目说明你对复杂系统高可用和稳定性的理解,而不是只罗列技术栈
  • 突出你参与过的高可用后端系统,尤其是库存、交易、调度、履约、订单或撮合类项目,说明你如何保障稳定性和性能
  • 重点展示 Go、Java 或 PHP 的实际项目经验,最好包含并发处理、接口设计、数据库优化、缓存或消息队列等细节
  • 若有大模型、知识库、AI Agent 或 AI Coding 工具使用经验,应单独列出并说明落地效果
  • 强调你对代码规范、风险识别和最佳实践沉淀的意识,匹配 JD 对 AI Coding 边界判断的要求
  • 强化 Go 语言工程能力,熟悉并发、服务治理、可观测性和高可用设计方法
  • 补充领域驱动设计、复杂业务建模、架构重构和性能优化相关知识

面试指南

  • 回答项目类问题时,采用“业务背景—核心难点—技术方案—结果指标—复盘改进”的结构,突出可量化结果
  • 回答系统设计类问题时,先明确约束和目标,再从数据模型、服务拆分、并发控制、幂等、监控告警和降级预案逐层展开
  • 回答 AI 相关问题时,强调工具提效、代码审查、边界识别、规范沉淀和业务效果验证,避免只谈概念
  • 请介绍一个你参与过的高可用后端系统,说明架构设计、稳定性保障和性能优化思路
  • 在库存、调度或履约场景中,如何设计系统以避免超卖、重复履约或状态不一致?
  • 你如何使用 Go、Java 或 PHP 进行复杂业务建模?请举一个领域模型拆分的例子
  • 你使用 AI Coding 工具的真实经验是什么?如何控制生成代码的质量和风险?
  • 如果让你参与 AI Agent 基础能力建设,你会如何设计知识库、工具调用和效果评估机制?

职位点评

薪资福利72
成长发展86
工作生活45
使命价值76

薪资福利

72中等

JD 未披露薪资和福利信息,无法判断薪酬竞争力与福利完整度。岗位位于北京且属于核心业务研发,但补偿性动机只能基于已披露信息谨慎评估。

薪资信号未披露(AI估算:2.5千–4.5万/月)

成长发展

86较高

岗位明确涉及领域建模、架构重构、性能优化、稳定性治理和 AI Agent 能力建设,技术成长信号较强。要求熟练使用 AI Coding 工具并推动 AI 场景落地,对希望积累复杂业务与 AI 工程化经验的工程师较有吸引力。

技术前沿前沿/新兴技术
技术栈Go、Java、PHP、AI Agent、大模型、知识库、AI Coding、高可用系统、领域建模、架构重构、性能优化、稳定性治理
业务类型ambiguous

工作生活

45较低

JD 未明确说明办公模式、弹性工时、双休或加班情况,无法判断工作生活平衡水平。工作地点仅明确为北京市,具体办公区域和通勤便利度需要进一步确认。

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

76中等

岗位服务公交出行、动态公交、快线和社区专线等场景,与城市公共交通和出行服务相关,具有一定社会价值。JD 提到 AI 赋能商户经营与司乘服务,但未直接描述明确使命或社会影响目标。

行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs