高德地图
高德-Agent后端开发工程师-出行业务
高德-Agent后端开发工程师-出行业务
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Go
Llm
Rag
Tool Calling
分布式系统
大模型微调
值不值得投
79综合评分
综合评分 79
核心业务线、前沿大模型Agent落地、技术成长空间极大、薪资偏高但工作强度可能较大。
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
4.5万
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 240 个在招
市场机会
选择面较广
北京 · 后端开发 · 约 410 个在招
职位详情
关于这个职位
该职位隶属于高德地图在线导航服务团队，主要负责从0到1打造手车一体的出行域Agent，实现自然语言驱动的智能出行助手
你将参与子Agent架构设计、大模型微调与蒸馏、工具调用优化及高并发系统稳定性保障，推动前沿AI技术在出行场景的工程化落地
最低要求
计算机、电子、自动化、人工智能等相关专业本科及以上学历，3年以上算法/平台经验（高级岗位5年+）
扎实的编程能力，熟悉至少一种主流开发语言（Java / Go / C++ / Python 等），具备良好的工程实现与代码质量意识
在以下至少一个方向有深入经验：
a) NLP / LLM 应用：对话系统、任务型对话、语义解析、意图识别、问答系统、Agent / Tool calling 实践
b) 搜索与推荐 / 路线规划：路径规划算法、POI 检索、约束优化、多目标规划等
c) 车机/语音交互：车载场景人机交互设计、语音助手、多模态交互等
有较强的系统设计与抽象能力，能从「用户问题 → 系统架构 → 算法方案 → 工程落地」完整把控链路
良好的跨团队沟通协作能力，能与产品、前端、车机、运营等多角色高效合作，推动复杂项目落地
工作职责
子Agent架构设计与服务实现：参与设计出行域子Agent的整体技术架构，包括调用链路、状态管理、容错与降级方案
实现与高德主Agent的协议对接和能力编排，支持多轮对话、工具调用、跨场景任务协同
在手机端与车机端统一能力出口下，处理不同终端、不同地区/国家的差异化需求
大模型微调与蒸馏落地：针对出行/导航/车机场景，设计与构建高质量训练数据
参与或主导对基础大模型的大规模微调（SFT / Preference Optimization 等），提升在出行域的理解和决策能力
负责模型压缩、蒸馏与推理优化，使模型在服务端/边缘侧兼顾效果与时延
Agent能力调优与决策优化：设计和优化子Agent的工具使用策略（Tool / Function Calling）
在弱网、高并发、复杂上下文下优化Agent的鲁棒性和决策稳定性
针对复杂出行任务进行专项调优
效果评测与质量体系构建：搭建出行Agent的自动化评测框架
构建离线评测集和真实流量回放机制
联合产品与运营，通过灰度发布、A/B 实验驱动持续优化
性能与稳定性保障：在9亿+月活与车机大规模接入背景下，对服务进行高可用、高性能设计
处理线上复杂问题，建立监控、告警和自愈机制
前沿技术探索与工程化落地：跟踪 LLM、Agent、RAG、多Agent协作等最新进展并筛选适合出行场景的技术方案
探索将地图/导航结构化数据与大模型结合的最佳实践
优先资格
有出行/地图/导航/网约车/车机等相关业务经验，对路况、出行决策逻辑有深入理解
有基于大模型构建 Agent 或复杂工具编排系统的实战经验（可展示 Demo / 项目案例）
有从 0 到 1 搭建新产品或平台的经验，对用户体验和业务价值有强敏感度
熟悉主流 LLM 生态（如 OpenAI、Claude、Grok 等）和相关技术栈（RAG、多 Agent、规划/反思链等）
有开源社区贡献、技术博客、论文成果者优先
AI 洞察
优缺点分析
优点
- 依托国民级应用，技术成果能直接产生巨大的社会与商业价值，影响力广泛
- 处于LLM与Agent技术落地的最前沿，能积累极具竞争力的大模型工程化与分布式架构经验
- 跨端（手机/车机）、跨地域（国内/国际）的差异化需求处理复杂，系统设计与抽象要求极高
- 具备扎实后端工程能力且对大模型/Agent技术有浓厚兴趣，渴望在国民级应用中落地前沿AI技术的复合型技术人才
缺点 / 挑战
- 超大型平台技术基础设施完善，能接触到业界最复杂的出行场景与高并发挑战
- 大模型在弱网、高并发及复杂上下文下的鲁棒性优化极具挑战，需平衡效果与时延
角色解读
- 纵向可成长为AI架构师或大模型工程化技术专家，主导亿级用户产品的AI技术演进
- 横向可向AI产品技术负责人或业务线技术总监发展，统筹出行域智能化战略
- 负责高德出行域Agent的后端架构设计与服务实现，打通手车一体的智能出行助手链路
- 主导大模型在出行场景的微调、蒸馏与推理优化，提升模型决策能力与响应时延
- 构建自动化评测体系与高可用分布式系统，保障亿级月活场景下的服务稳定性
- 扎实的编程功底（Java/Go/C++/Python）与高并发分布式系统架构设计能力
- 深入理解NLP/LLM应用或路线规划算法，具备Agent/Tool Calling实战经验
- 具备大模型微调（SFT/PO）、模型压缩蒸馏及自动化评测框架搭建能力
申请策略
- 提前体验高德地图的现有AI功能或竞品（如特斯拉Grok车机交互），思考出行场景下Agent的优化空间
- 突出大模型应用落地经验，特别是Agent架构设计、Tool Calling或大模型微调/蒸馏的实际项目
- 强调高并发分布式系统的设计与优化经验，展示处理复杂线上问题及保障系统稳定性的能力
- 若有出行/地图/车机相关业务经验，或从0到1搭建AI产品的经历，需重点着墨
- 深入学习主流LLM生态（如RAG、多Agent协作、Planning & Reasoning），并尝试构建Demo
- 熟悉大模型评测方法，了解如何构建离线评测集与自动化评测框架
面试指南
- STAR法则：针对项目经验，清晰阐述背景、任务、具体行动（技术选型与架构设计）及量化结果
- 架构推演：针对系统设计题，从需求分析、核心模块设计、高可用/高性能保障到监控运维，分层解答
- 请介绍一个你主导的大模型Agent或复杂工具编排系统的项目，遇到了哪些工程挑战及如何解决？
- 在亿级月活的高并发场景下，如何设计Agent服务的限流、降级与缓存策略以保障高可用？
- 针对出行场景（如跨城自驾、多目的地规划），如何设计大模型的微调数据与评测指标？
- 大模型推理时延较高，你在模型压缩、蒸馏或边缘侧推理优化方面有哪些实践经验？
- 复习大模型微调（SFT/RLHF/DPO）、模型蒸馏及推理加速的核心原理
- 梳理过往高并发分布式系统的架构图，准备应对关于容错、降级、状态管理的深度拷问
职位点评
薪资福利85
成长发展90
工作生活50
使命价值85
薪资福利
85较高
已上市超大型企业，薪资福利体系成熟，该岗位涉及大模型与高并发架构，属于核心高薪技术岗，薪资竞争力强。
薪资信号偏高 (3千–6万/月)
成长发展
90较高
岗位处于LLM与Agent技术落地的最前沿，能深度参与大模型微调、蒸馏及复杂系统架构设计，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈LLM、Agent、RAG、SFT、Preference Optimization、Tool Calling、Java、Go、C++、Python
业务类型profit_center
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为核心业务线的高并发大模型岗位，且要求处理线上复杂问题，工作强度可能较大。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
85较高
依托国民级出行应用，技术升级直接影响全国用户，创造社会价值与出行体验提升，使命感与行业前景强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号创造更多社会价值、提供极致的出行体验
创新程度开拓性创新（行业首创）
Watch Jobs