DiDi logo
滴滴出行
资深软件开发工程师(配送引擎数据)

资深软件开发工程师(配送引擎数据)

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Ai Agent
Eino
Go
Langgraph
Lbs
分布式计算
大模型Api

值不值得投

73综合评分

综合评分 73

北京核心业务技术岗,AI Agent与分布式并重,技术成长强,办公灵活性未明确。

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

与AI算法中位数基本持平

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 2420 个在招 · 其中AI算法 11 个

市场机会

选择面较广

北京 · AI算法 · 约 270 个在招

职位详情

关于这个职位

该岗位面向国际化外卖配送引擎的数据与智能能力建设,负责分单、供需、ETA、地理围栏等核心业务能力相关的服务端与AI Agent开发

你将基于LangChain、LangGraph、Eino等框架搭建Agent体系,并参与高并发、高可用场景下的架构设计与技术攻关

最低要求

全日制统招本科及以上学历,计算机相关专业,两年以上服务端研发经验

熟悉至少一种后端语言(Go、Python、Java、C++、PHP等),具备扎实的编程能力与代码能力
深入理解大模型(含GPT系列)工作原理,熟悉其API调用方式,精通Agent核心技术体系,有实际AI应用落地经验和AI coding经验
具备较强的逻辑思维、问题解决能力与跨团队协作能力,对Agent领域有浓厚兴趣,学习与抗压能力强

工作职责

基于LangChain、LangGraph、Eino等主流框架,搭建高效可扩展的Agent开发体系,适配多业务定制化需求,提升系统响应速度与任务完成率

主导Agent产品技术方案设计与落地,解决高并发、高可用场景下的技术瓶颈,排查线上技术问题并持续迭代优化
跟踪Agent领域前沿技术(CoT、ReAct等),推动新技术、新方法的创新落地,指导团队开展技术攻关
配合跨团队推进项目,撰写高质量技术与接口文档,提供技术支持,保障项目按时高质量交付

优先资格

熟悉LBS,分布式计算等相关技术者优先,有过LBS系统建设经验者优先

熟悉hadoop, hive, hbase, flink, storm, spark等分布式大数据处理技术或分布式存储引擎建设经验优先
有数据湖和实时数仓等领域的经验者优先
有GIS背景和经验者优先
有业务领域AI Agent建设经验者优先

AI 洞察

优缺点分析

优点

  • 岗位处于国际化外卖配送核心业务链路,能接触分单、供需、ETA、地理围栏等高价值场景,业务复杂度高
  • 技术栈覆盖AI Agent、大模型应用、分布式计算、流式计算和LBS,成长空间和技术深度较强
  • JD明确提到前沿Agent技术跟踪与创新落地,适合希望积累大模型工程化实战经验的工程师
  • 跨团队协作和核心能力建设机会较多,有利于提升技术方案设计、项目推进和影响力
  • 技术栈跨度大,既要懂后端和分布式,又要理解大模型与Agent体系,学习曲线较陡

缺点 / 挑战

  • 业务效果要求高,配送引擎场景对实时性、稳定性和准确性要求较强,线上问题排查压力可能较大
  • 需要跨团队推进项目并保障交付,对沟通协作、文档能力和抗压能力有较高要求

角色解读

  • 短期可以深耕AI Agent工程化,成为大模型应用落地、Agent架构设计和服务端工程结合型人才
  • 中期可向配送引擎核心系统负责人、AI应用技术专家或分布式系统架构师方向发展
  • 长期可拓展到国际化外卖业务技术负责人、平台型技术专家或跨业务AI基础设施负责人
  • 负责国际化外卖配送引擎相关能力建设,包括分单、供需、ETA、地理围栏等核心业务场景的数据与智能能力支持
  • 基于LangChain、LangGraph、Eino等框架搭建Agent开发体系,让Agent能够适配不同业务需求并提升任务完成效率
  • 参与高并发、高可用系统方案设计与线上问题排查,持续优化系统性能、稳定性和响应速度
  • 跟踪CoT、ReAct等Agent前沿技术,推动新技术在业务场景中落地,并配合跨团队完成交付和文档建设
  • 需要扎实的后端研发能力,至少熟悉Go、Python、Java、C++或PHP中的一种,并能独立完成高质量代码交付
  • 需要理解大模型工作原理和API调用方式,掌握Agent核心体系,包括工具调用、任务编排、推理链路和上下文管理
  • 需要具备分布式系统、高并发、高可用相关经验,能够处理线上复杂技术问题并持续优化
  • 具备LBS、GIS、分布式计算、实时数仓或数据湖经验会明显加分,适合有复杂业务系统背景的人

申请策略

  • 面试前了解国际化外卖配送业务的基本链路,尤其是分单、供需、ETA和地理围栏如何协同影响用户体验
  • 申请时建议强调自己既能写高质量后端代码,也能推动AI能力在真实业务中落地
  • 突出服务端研发项目经历,尤其是高并发、高可用系统的设计、性能优化和线上问题治理案例
  • 重点展示大模型或AI Agent落地经验,包括使用LangChain、LangGraph、Eino或自研框架完成的任务编排、工具调用和业务集成
  • 强化分布式技术经历,如Flink、Spark、HBase、Hive、实时数仓、数据湖、分布式存储或资源调度平台建设
  • 如果有LBS、GIS、地理围栏、路径ETA、供需预测或配送相关项目,应放在简历显眼位置
  • 提前准备Agent工程化案例,熟悉ReAct、CoT、工具调用、多Agent协作、上下文管理和任务完成率评估方法
  • 补强分布式计算与实时数据处理知识,重点理解Flink、Spark、HBase、数据湖和实时数仓的典型架构

面试指南

  • 项目类问题用“业务背景—技术难点—方案设计—落地结果—复盘改进”的结构回答,重点量化效果
  • 架构类问题先明确约束条件,如并发量、延迟、可用性、成本和业务定制需求,再分层说明架构与取舍
  • 技术原理类问题先讲概念,再结合具体业务场景说明适用边界、风险点和优化手段
  • 请介绍一个你主导或深度参与的AI Agent落地项目,包括业务目标、架构设计、技术选型和最终效果
  • 在高并发、高可用场景下,你如何设计一个可扩展的Agent开发体系?如何评估系统响应速度和任务完成率?
  • 你如何理解大模型Agent中的CoT、ReAct、工具调用和上下文管理?各自适用什么场景?
  • 如果配送ETA或地理围栏服务出现线上延迟升高,你会如何定位、分析和优化?
  • 请结合Flink、Spark、HBase或实时数仓经验,说明你处理大规模实时数据或分布式计算的实践

职位点评

薪资福利78
成长发展88
工作生活45
使命价值72

薪资福利

78中等

JD未披露薪资和福利信息,因此只能基于岗位技术难度和北京市场水平判断,补偿性动机满足度较好但缺乏原文福利证据。

薪资信号未披露(AI估算:3.5千–6.0万/月)

成长发展

88较高

岗位明确涉及Agent框架、前沿技术跟踪、技术攻关和复杂分布式系统,技能成长和技术深度非常突出。JD未明确提及晋升路径或培训机制,发展性主要体现在技术挑战本身。

技术前沿前沿/新兴技术
技术栈LangChain、LangGraph、Eino、Agent、GPT、CoT、ReAct、分布式计算框架、特征工程、流式计算框架、资源调度平台、LBS、hadoop、hive、hbase、flink、storm、spark、数据湖、实时数仓、GIS
成长机会跟踪Agent领域前沿技术、推动新技术、新方法的创新落地、指导团队开展技术攻关
业务类型ambiguous

工作生活

45较低

JD仅明确地点为北京市,未说明远程、弹性、双休或加班情况;同时出现高并发、高可用、线上问题排查和抗压能力要求,生活化动机满足度有限但无法判断具体工作强度。

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

72中等

岗位服务国际化外卖配送核心能力建设,涉及分单、供需、ETA和地理围栏,对业务效率和用户体验有直接影响;同时推动AI Agent工具能力建设,具有一定创新价值。

行业发展新兴领域(暂难判断)
社会影响中性/一般
使命信号为外卖配送提供了分单, 供需, ETA,地理围栏等业务核心能力、负责团队内AI Agent等相关工具能力建设
创新程度积极采用新技术
Watch Jobs