
滴滴出行
AI Native 专家工程师
AI Native 专家工程师
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai Native
Go
Llmops
Mlops
Rag
分布式系统
容器化
值不值得投
76综合评分
综合评分 76
前沿AI平台专家岗,技术成长强、落地要求高,WLB信息未披露
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
6.5万
比AI算法中位数高
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 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
该职位面向网约车出行技术场景,负责 AI Native 平台的架构设计与核心研发,建设 Agent 编排、上下文管理、工具接入、知识复用和人机协同等能力
你将推动 AI 深入研发全流程,并解决规模化运行中的稳定性、性能、安全与成本问题,对平台能力和业务效率负责
最低要求
本科及以上学历,计算机、软件工程、人工智能等相关专业,5 年以上软件研发经验,具备复杂平台或基础设施的架构设计与交付经验
具备扎实的编程与系统设计能力,熟练掌握 Python、Go、Java 等至少一门主流语言,熟悉分布式系统、服务治理、容器化等技术,能够承担核心模块研发和复杂问题排查
熟悉大模型应用工程,具备 Agent、工具调用、上下文管理、RAG 或评测体系等相关实践
理解模型能力边界,能够通过工程机制提升系统的可靠性与可控性
有主导 AI 平台或复杂 AI 应用从方案设计到生产落地的经验,能够结合实际场景进行架构取舍,并以可验证的业务效果、质量和成本指标评估方案
具备技术领导力和跨团队协作能力,能够拆解复杂问题、推动关键技术决策与项目交付,帮助团队提升工程能力
保持持续学习,能够审慎评估并应用新技术
工作职责
深入理解研发与业务场景中的 AI 应用痛点,制定平台技术路线与建设规划,推动解决方案落地,并持续验证对效率、质量和成本的改善
负责 AI Native 平台的架构设计与核心研发,建设 Agent 任务编排、上下文管理、工具接入、知识复用和人机协同等能力,形成可扩展、可维护的平台架构
推动 AI 在需求分析、方案设计、编码、代码评审、测试和交付等环节的应用,建立阶段验收、质量评测与异常恢复机制,支持跨角色、跨系统的协同交付
解决 AI 应用规模化运行中的稳定性、性能、安全与成本问题,完善模型接入、推理服务、运行隔离和可观测能力,平衡平台通用性与业务场景差异
完成复杂项目关键技术攻关与方案评审,沉淀可复用的组件、工具和工程规范,为团队提供技术指导,并将有价值的新技术转化为实际能力
优先资格
有多 Agent 协作、AI 编程工具、研发流程自动化或企业级 AI 平台建设经验
有 LLMOps/MLOps、模型服务化、推理优化、多租户权限或沙箱隔离等实践
有高质量开源贡献、可推广的工程成果、技术文章或相关研究成果
AI 洞察
优缺点分析
优点
- 岗位处于大模型应用与研发效能结合的前沿方向,能积累 Agent、LLMOps、AI 编程工具等稀缺工程经验
- 平台型项目影响面广,能够参与从技术路线制定到生产落地的完整过程,技术成长空间较大
- 网约车业务场景复杂,对稳定性、成本、安全和规模化能力要求高,有利于沉淀高质量基础设施经验
- 职位强调技术领导力和跨团队协作,适合希望从核心研发向技术影响力角色进阶的工程师
- AI Native 平台涉及模型、工程、研发流程和业务场景,技术复杂度高,需要持续处理通用性与场景差异的平衡
- 适合有五年以上软件研发经验、具备平台或基础设施架构背景,并希望深入大模型应用工程和 AI 研发平台建设的资深工程师
缺点 / 挑战
- 岗位要求用效率、质量、成本等指标验证效果,不能只做技术演示,需要面对较强的生产落地和结果导向压力
- 需要跨角色、跨系统协同,对沟通推动、方案评审和复杂项目治理能力要求较高
角色解读
- 可向 AI 平台架构专家、大模型应用工程负责人或研发效能技术负责人方向发展,持续深耕平台化和工程化能力
- 可成长为技术专家或团队技术负责人,主导更复杂的技术路线、跨团队项目和工程规范建设
- 未来也可拓展到 AI 研发工具链、企业级 AI 平台、智能研发体系等方向,形成可复用的平台产品能力
- 负责 AI Native 平台的技术路线规划和架构设计,围绕研发与业务场景识别 AI 应用痛点,并推动方案落地
- 建设 Agent 任务编排、上下文管理、工具接入、知识复用、人机协同等平台能力,支撑研发流程智能化
- 推动 AI 进入需求分析、方案设计、编码、代码评审、测试和交付等环节,并建立评测、验收和异常恢复机制
- 解决平台规模化运行中的稳定性、性能、安全、成本和可观测问题,沉淀组件、工具和工程规范
- 需要扎实的软件研发和系统设计能力,至少精通 Python、Go、Java 中的一门,并能承担核心模块研发
- 需要熟悉分布式系统、服务治理、容器化和生产级平台架构,具备复杂问题排查和性能/稳定性优化能力
- 需要掌握大模型应用工程能力,包括 Agent、工具调用、上下文管理、RAG、评测体系和模型能力边界判断
- 需要技术领导力和跨团队推动能力,能拆解复杂问题、做架构取舍,并用效率、质量、成本指标验证方案效果
申请策略
- 申请前了解滴滴出行网约车业务的技术复杂度,思考 AI 如何作用于研发流程和业务交付
- 面试中尽量用真实项目说明架构取舍,不要只罗列技术名词,要讲清楚问题、方案、指标和复盘
- 重点突出你主导过的复杂平台或基础设施项目,包括架构设计、核心模块研发、生产落地和量化效果
- 明确写出与大模型应用工程相关的实践,如 Agent、工具调用、RAG、评测体系、模型服务化或推理优化
- 强化分布式系统、服务治理、容器化、可观测性、稳定性治理和成本优化等工程能力证据
- 展示技术领导力和跨团队协作案例,例如推动关键技术决策、制定规范、指导团队或沉淀可复用组件
- 补齐 Agent 任务编排、上下文管理、工具接入和 RAG 评测体系等大模型应用工程能力,最好能形成可展示项目
- 加强 LLMOps/MLOps、模型服务化、推理优化、多租户权限和沙箱隔离等平台化能力
面试指南
- 使用“背景问题—目标指标—架构方案—落地过程—结果复盘”的结构回答项目类问题,突出可验证指标
- 对架构设计题先澄清场景约束,再从能力分层、扩展机制、稳定性、安全隔离、可观测性和成本治理几个维度展开
- 对技术领导力问题,用具体案例说明如何拆解问题、推动决策、处理分歧、沉淀规范并提升团队能力
- 你如何设计一个支持 Agent 任务编排、工具接入和上下文管理的 AI Native 平台?
- 在大模型应用落地中,你如何评估模型能力边界,并通过工程机制提升可靠性和可控性?
- 请举例说明你主导过的复杂平台项目,如何进行架构取舍并验证效率、质量或成本收益?
- 如何解决 AI 应用规模化运行中的稳定性、性能、安全和成本问题?
- 你如何推动跨团队协作,让 AI 编程工具或研发流程自动化真正被团队采用?
职位点评
薪资福利82
成长发展92
工作生活48
使命价值72
薪资福利
82较高
JD未披露薪资与福利信息,但从高级专家岗位、复杂平台架构要求和大模型应用工程能力要求看,薪酬竞争力预期较强;稳定性与福利未提及,无法进一步判断。
薪资信号未披露(AI估算:5.0千–8.0万/月)
成长发展
92较高
岗位聚焦 AI Native 平台、Agent、LLMOps、研发流程自动化等方向,技术成长空间明显;同时包含技术路线制定、复杂项目攻关和团队技术指导,发展性很强。
技术前沿前沿/新兴技术
技术栈AI Native、Agent、RAG、LLMOps、MLOps、模型服务化、推理优化、容器化、分布式系统
成长机会技术指导、持续学习、沉淀可复用的组件、工具和工程规范
业务类型ambiguous
工作生活
48较低
JD仅明确地点为北京市,未提及远程、弹性、双休或加班信息,因此生活化动机满足程度无法确认;仅能判断为需要关注实际办公地点与团队节奏。
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
岗位通过 AI 提升研发效率、质量并降低成本,具有较强工程价值和业务价值;但JD未直接表达社会使命或公共价值导向,意义感主要来自技术落地和平台影响力。
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
滴滴出行 的其他在招职位
相似职位推荐
Industrial Engineering ES
德科斯米尔 · 沈阳市
AI 估算 · 1.8–3.0万37 分钟前发布
Token Foundry-多模态生成模型算法专家-万相Wan
阿里巴巴 · 杭州市
AI 估算 · 6.0–12.0万1 小时前发布
安全AGI实验室-网络安全大模型算法
阿里巴巴 · 杭州市
AI 估算 · 8.0千–1.5万1 小时前发布
业务技术-大模型算法专家-直播AI
阿里巴巴 · 杭州市
AI 估算 · 5.0–9.0万1 小时前发布
AI Infra实习生-训练方向(研究型)
阿里巴巴 · 杭州市
AI 估算 · 8.0千–1.5万1 小时前发布
Senior AI Engineer
施耐德 · 北京市
AI 估算 · 3.0–5.5万3 小时前发布
Senior AI Engineer
施耐德 · 北京市
AI 估算 · 3.0–5.5万3 小时前发布
AI Software Engineer
宝洁 · 广州市
AI 估算 · 2.2–3.8万3 小时前发布
Watch Jobs