米哈游
资深搜推AI工程师
资深搜推AI工程师
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推荐系统
推荐系统
Rag
分布式系统
多模态
大模型
搜索推荐
架构设计
高并发
值不值得投
78综合评分
综合评分 78
米哈游核心搜推AI架构岗，技术栈前沿、成长空间大、薪资回报丰厚，但业务与技术攻坚压力较高。
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
6万
比推荐系统中位数高
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 920 个在招
市场机会
选择适中
上海 · 推荐系统 · 32 个在招
职位详情
关于这个职位
该职位负责米哈游搜索与推荐核心系统的架构设计与演进，涵盖召回、排序、特征及模型服务等全链路
你需要推动大模型、Agent等前沿AI技术与传统搜推系统的融合，探索生成式搜索与推荐等新型形态，并负责复杂任务规划与多Agent协同能力的落地
最低要求
计算机、软件工程、人工智能等相关专业硕士及以上学历，5 年及以上搜索、推荐、广告或大规模在线系统相关研发经验
对搜索推荐系统有深入理解，熟悉召回、粗排、精排、向量检索、特征系统、模型 Serving、实时计算等核心模块，有大型搜推系统架构或核心链路建设经验
具备扎实的系统设计和工程能力，熟悉高并发、低延迟、分布式系统、实时计算、缓存、异步化等技术，有复杂在线系统设计、性能优化及稳定性治理经验
具备良好的搜推算法理解和系统化思维，能够理解模型、策略与在线系统之间的协同关系，并围绕效果、性能、资源成本和工程复杂度进行整体设计与优化
具备大模型及 Agent 系统的实际建设经验，有较强的 AI 系统架构和工程落地能力，能够针对效果、性能、稳定性、成本等关键问题进行系统性设计与优化
具备较强的技术抽象和架构能力，能够兼顾短期业务需求与长期技术演进，推动跨算法、工程和业务团队协作落地
工作职责
负责搜索、推荐核心系统的架构设计、建设与持续演进，覆盖召回、排序、检索、特征、模型服务、在线推理等关键链路，持续提升系统性能、稳定性、扩展性和研发效率
深入业务场景，推动搜推系统在高并发、低延迟、实时性、大规模数据处理等方向持续优化，完成复杂场景下的系统拆解、架构设计、关键技术选型及核心问题攻坚
推动大模型、Agent、RAG、多模态等 AI 技术与传统搜推系统融合，探索复杂 Query 理解、智能检索、生成式搜索与推荐、Agentic Search / Recommendation 等新型搜推形态
负责搜推 Agent 及相关 AI 系统能力建设，推动复杂任务规划、检索与模型调用、上下文管理、多 Agent 协同等能力在真实业务场景稳定落地
建设和沉淀搜推及 AI 公共能力，持续优化系统性能、资源成本和研发效率，推动核心能力的平台化、标准化和复用
AI 洞察
优缺点分析
优点
- 处于AI大模型与搜推系统融合的最前沿，能接触到Agent、RAG、生成式搜索等最新技术落地场景
- 业务场景复杂且数据规模庞大，为系统架构优化提供了极佳的实战平台
- 核心系统建设经验含金量高，所沉淀的高并发、低延迟及AI工程化能力在行业内具有极强的通用性和竞争力
- 需要同时兼顾传统搜推系统的稳定性与前沿AI技术的探索，技术跨度大，对系统性思维和架构能力要求极高
- 适合具备扎实工程底座、对AI大模型应用有浓厚兴趣，且渴望在复杂业务场景中主导核心系统架构设计的资深技术人才
缺点 / 挑战
- 大模型及Agent在真实业务场景的落地仍面临效果、延迟和成本的多重挑战，需要不断攻坚复杂工程问题
角色解读
- 纵向可发展为搜推/AI系统架构专家或技术总监，主导公司级核心系统的技术演进
- 横向可拓展至AI大模型应用、多模态检索等前沿领域，成为AI+业务融合的复合型技术领军人才
- 负责搜索与推荐核心系统的架构设计与持续演进，覆盖召回、排序、特征、模型服务等全链路
- 推动大模型、Agent、RAG等前沿AI技术与传统搜推系统的深度融合，探索生成式搜索与推荐等新型形态
- 负责搜推Agent及AI系统的能力建设，解决高并发、低延迟等复杂工程问题，推动核心能力的平台化与标准化
- 精通搜索推荐系统核心模块（召回、粗排、精排、向量检索等），具备大型系统架构与核心链路建设经验
- 具备扎实的分布式系统设计与工程能力，熟悉高并发、低延迟、实时计算及性能优化技术
- 拥有大模型及Agent系统的实际建设与落地经验，能针对效果、性能、成本进行系统性架构设计
申请策略
- 了解米哈游的核心产品及其内容分发、社区搜索等业务场景，思考AI技术如何赋能这些场景
- 重点突出在大型搜推系统（召回、排序、特征等）中的架构设计与核心链路建设经验，量化性能提升与稳定性治理成果
- 详细展示大模型、Agent、RAG等AI技术的实际落地项目，说明如何解决效果、性能、成本等关键问题
- 强调在高并发、低延迟、分布式系统等复杂在线系统设计方面的技术深度与攻坚能力
- 深入学习大模型在搜推场景的应用，如Agentic Search、复杂Query理解及多Agent协同机制
- 复习并巩固分布式系统、实时计算及模型Serving的底层原理与性能调优技巧
面试指南
- STAR法则：针对架构设计或优化问题，清晰阐述背景、面临的挑战、采取的技术方案及最终量化的业务收益
- 系统性思维框架：在回答大模型落地或效果平衡问题时，从算法策略、工程架构、资源成本三个维度进行全局分析，展现架构师的全面视角
- 请分享一个你主导过的最复杂的搜推系统架构设计案例，遇到了哪些核心挑战，是如何解决的？
- 在将大模型或Agent引入传统搜推系统时，如何解决延迟和成本问题？请结合具体项目说明
- 面对高并发、低延迟的在线推理场景，你在模型Serving和系统层面做过哪些极致的性能优化？
- 如何评估和平衡搜推系统中的算法效果、系统性能与资源成本？
- 梳理过往项目中关于高并发处理、分布式系统稳定性治理以及大模型工程化落地的核心技术细节，准备好应对深度技术拷问
- 体验并分析米哈游游戏内或社区的搜索与推荐功能，思考现有系统的优化空间及AI技术的结合点
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
作为超大型企业的资深核心研发岗，薪资水平处于行业前列，且公司盈利能力强，整体薪酬回报丰厚。
薪资信号未披露（AI估算：4.5千–7.5万/月）
成长发展
90较高
岗位处于大模型与搜推融合的技术前沿，能深度参与核心系统架构演进，技术成长空间与行业竞争力极强。
技术前沿前沿/新兴技术
技术栈大模型、Agent、RAG、多模态、向量检索、模型Serving、实时计算
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与加班情况，但核心系统架构与AI攻坚岗位通常面临较高的业务压力与响应要求。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
推动AI大模型在复杂业务场景的落地，探索新型搜推形态，具有较高的技术创新价值与行业引领意义。
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
Watch Jobs