中国平安
算法工程师（搜索）
算法工程师（搜索）
发布于 大约 8 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Agent架构
Nlp
Pytorch
Rag
Tensorflow
推荐算法
搜索算法
机器学习
深度学习
AI 估算 · 15k–25k
深圳算法岗，上市巨头，薪资范围符合市场水准，技能要求高但成长空间大。
职位详情
关于这个职位
该职位主要负责搜索、推荐及NLP相关算法的研发与优化，包括用户意图识别、Query理解、相关性排序，并探索Agentic Search智能体技术
你将参与医疗、商城、内容等多业务场景的个性化推荐，推动商业化目标落地
适合有2年以上算法经验、对搜索推荐和新兴Agent技术感兴趣的工程师
最低要求
计算机、数学、机器学习、统计学、自然语言处理或相关专业，本科以上学历
有搜索、个性化推荐、NLP等相关算法项目经验2年以上，基础较好的可以降低要求
熟练掌握机器学习、深度学习的基础理论和方法
熟练使用一种或几种深度学习框架，如tensorflow、pytorch等
熟悉算法常用开发工具和语言：hadoop/spark/hive/flink、Python或Java等
熟悉检索增强生成（RAG）、Agent架构、搜索算法（如倒排索引、语义检索）等技术或熟悉Prompt Engineering、微调对齐技术，对搜索场景的Query理解与结果生成有深入理解
熟悉Search Agent任务，包括RL数据/训练策略优化，Reward Model设计、工具调用、Reasoning能力优化等
有良好的学习能力、沟通能力、责任心、团队协作能力
工作职责
负责搜索的用户数据理解、用户意图识别、QP、query纠错改写、相关性研究等算法
负责医疗、商城、内容等业务的个性化推荐算法开发实现在相关产品中的精准推荐
协助搜索排序、推荐排序等机器学习的数据开发和模型研发和优化
根据实际业务需求和用户需求，实现搜索推荐算法，促进商业化目标
负责 Agentic Search（搜索智能体）的技术探索与架构设计，主导从 Query 理解、任务分解、环境感知到结果归纳的全链路算法优化
AI 洞察
优缺点分析
优点
- 技术栈全面，覆盖搜索、推荐、NLP及Agent等热门方向，积累丰富实战经验
- 平台规模大，海量数据和真实业务场景，算法模型落地价值高
- 已上市巨头，薪资福利稳定，有明确的职业发展通道
- 前沿的Agentic Search方向，有机会参与行业创新，提升个人技术影响力
- 业务复杂度高，需同时处理多个场景的推荐问题，沟通和协调成本较大
- 大厂流程可能较繁琐，工作节奏较快，需要较强的抗压能力
- 适合热爱技术、对搜索/推荐有深入兴趣，并希望在大平台中快速成长的算法工程师
缺点 / 挑战
- 搜索推荐算法迭代快，对新技术学习要求高，保持持续学习压力
角色解读
- 可向搜索/推荐算法专家方向发展，深耕意图理解、排序模型等细分领域
- 有机会转型为AI Agent方向的技术专家，参与前沿的智能体架构设计
- 在平安体系内可横向扩展至更多业务线，逐步晋升为技术Leader或架构师
- 负责搜索场景的用户理解与意图识别，包括Query纠错改写、相关性分析，优化搜索体验
- 开发个性化推荐算法，在医疗、商城、内容等业务中实现精准推荐，提升用户转化
- 参与搜索排序/推荐排序的机器学习模型开发与优化，处理海量数据特征
- 探索Agentic Search技术，主导从Query理解、任务分解到结果归纳的全链路算法设计
- 扎实的机器学习/深度学习理论基础，熟悉常用算法和模型结构
- 熟练使用TensorFlow/PyTorch等框架，具备模型训练和调优经验
- 掌握大数据处理工具如Hadoop/Spark/Flink，并能用Python或Java进行开发
- 了解RAG、Agent架构、语义检索等前沿技术，对搜索场景有深入理解
申请策略
- 了解平安旗下各业务线（如医疗、商城）的搜索推荐特点，在面试中展示业务思考能力
- 提前准备1-2个完整的技术方案，说明从问题分析到模型落地的全过程
- 突出搜索/推荐/NLP相关的项目经验，量化业务指标提升效果，如CTR、转化率等
- 强调对RAG、Agent架构等前沿技术的实践，展示技术探索能力
- 列出熟练使用的框架和工具，体现工程能力
- 如有算法竞赛获奖或论文，可增加学术亮点
- 系统复习机器学习核心算法，特别是排序模型（如LTR）、深度召回等
- 动手实践一个Agentic Search小型项目，熟悉任务分解、工具调用等流程
面试指南
- 回答项目类问题可遵循STAR法则（情境-任务-行动-结果），突出你的技术决策和量化成果
- 对于算法设计问题，先明确问题背景和约束，再提出候选方案，比较优劣并解释选择
- 对于开放性问题，体现结构化和逻辑性，结合实例
- 请介绍一个你负责的搜索或推荐项目，从问题定义到优化效果如何？
- Query理解中如何处理长尾词和拼写错误？
- RAG架构中如何优化检索质量和生成结果的准确性？
- 如何设计Reward Model来训练Search Agent？
- 在排序模型中，如何平衡相关性和用户点击行为？
职位点评
68
综合评分
大厂算法岗，技术前沿，薪资市场水准，但WLB不确定
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
该职位最适合以技术成长和职业发展为核心动机，能接受一定工作强度，对搜索推荐和Agent方向有热情的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活45
使命价值65
薪资福利
70中等
薪资范围15000-25000/月，在深圳属于市场水准，公司福利稳定，但JD未明确福利细节，激励程度中等。
薪资信号市场水准 (15K-25K/月)
成长发展
85较高
职位涉及搜索、推荐、NLP及Agentic Search等前沿技术，项目挑战大，能显著提升个人技术竞争力。
技术前沿前沿/新兴技术
技术栈RAG、Agent架构、语义检索、Prompt Engineering、RL、Reward Model
成长机会技术探索、架构设计、主导
业务类型profit_center
工作生活
45较低
工作地点深圳，仅现场办公，未提及弹性或远程，也未提及加班情况，生活平衡保障有限。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
65中等
业务覆盖医疗、商城等，有商业价值，但社会价值一般，行业处于稳定增长期，技术创新性强。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
中国平安 的其他在招职位
相似职位推荐
Watch Jobs