高德地图
高德-AI应用开发工程师（车服业务）-信息研发
高德-AI应用开发工程师（车服业务）-信息研发
发布于 6 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai编程工具
Llm
Prompt Engineering
Rag
Spring Cloud
多模态
高并发架构
值不值得投
82综合评分
综合评分 82
前沿AI技术栈、成熟企业高薪平台、车服业务核心岗，技术成长极佳但需适应快节奏研发环境
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
比人工智能中位数高
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 250 个在招 · 其中人工智能 5 个
市场机会
选择面较广
北京 · 人工智能 · 约 680 个在招
职位详情
关于这个职位
负责高德车服业务的AI原生应用架构设计与工程落地，深入汽车服务全链路场景
主要工作包括规划Multi-Agent跨域架构、搭建RAG与Agent工作流、攻克意图识别与任务拆解等核心模块，并优化高并发系统性能，推动AI技术从单点验证走向规模化商业落地
最低要求
计算机、人工智能、软件工程等相关专业本科及以上学历，3年以上后端或全栈开发经验，精通java技术栈（Spring Cloud生态），同时具备至少1年以上AI应用生产级落地经验
AI编程工具重度玩家，熟练使用Cursor、Claude code、codex等AI编程工具，具备极强的Context/Prompt驾驭能力，有过完整的AI驱动的项目级开发经验，理解如何让AI写出高质量的生产级代码
熟悉当前主流的大模型能力，能根据LLM的能力与局限进行技术选型，清晰拆解任务并通过LLM或确定性逻辑兜底实现
熟悉主流大模型的应用范式(Context Engineering、Prompt Engineering、Agent、工具/函数调用等等)及主流Agent框架(如LangChain等)，具备大模型幻觉、Prompt注入等风险的工程化应对思路
具备扎实的代码和工程能力，熟练掌握计算机数据结构、算法、网络和操作系统等相关知识并有深度的实践经验，具备优秀的Coding 能力并有意愿在AI加持下实践全栈编程
具备较好的技术好奇心和学习能力，关注大模型和相关前沿技术的发展，能将行业的最新技术发展落地到日常工作和工程实践中
具备强烈的自驱力，能够主动探索边界，而不是等待被分配任务
工作职责
深入汽车服务的全链路场景，围绕具体业务需求规划广告、营销、交易等领域能力的建设，规划Multi-Agent在跨域、跨平台、跨技术栈下的整体架构设计和协同演进
负责AI原生应用架构的搭建与演进，涵盖上下文工程、RAG全链路优化、Agent工作流编排与多模态技术的融合应用
攻克Agent关键模块的工程落地，构建“意图识别->任务拆解->反思纠错”的自主闭环
封装标准化SDK/API服务，构建Agent观测体系，实现全链路追踪与多维归因分析
搭建自动化评测与回测机制，通过BadCase归因分析与策略调优，持续收敛模型效果与推理成本的最优解
沉淀方法论与可复用组件，推动 AI 能力从单点验证走向规模化落地
优化高并发场景下的系统性能，通过异步处理、语义缓存、智能路由与确定性降级策略，保障核心链路的高可用与长期稳定运行
AI 洞察
优缺点分析
优点
- 依托高德车服海量真实业务场景，AI技术落地空间大且直接驱动业务增长
- 接触最前沿的LLM、Agent、RAG等技术栈，技术成长曲线陡峭
- 成熟平台提供完善的工程规范、算力资源与技术社区支持
- 高并发场景下的系统稳定性要求极高，需兼顾创新与生产环境可靠性
- 技术迭代极快，需保持高强度自主学习
缺点 / 挑战
- AI应用工程化落地仍面临幻觉控制、推理成本优化、长尾BadCase处理等难题，调试与迭代压力大
- 适合具备扎实后端功底且对AI应用充满热情、喜欢挑战新技术、能在模糊需求中主动探索边界的工程师
角色解读
- 可向AI架构师或大模型应用专家方向发展，深耕Agent生态与复杂业务场景的AI化改造
- 随着AI Native产品战略推进，有机会晋升为技术负责人或核心业务线的技术Leader，掌握行业前沿技术话语权
- 负责高德车服业务线AI原生应用的架构设计与工程落地，深入汽车服务全链路场景
- 主导Multi-Agent跨域架构规划，搭建RAG、Agent工作流及多模态融合应用
- 攻克意图识别、任务拆解等核心模块，并优化高并发系统性能以保障稳定性
- 精通Java/Spring Cloud后端开发，具备1年以上AI应用生产级落地经验
- 熟练掌握LLM应用范式（Context/Prompt Engineering、Agent框架如LangChain）、RAG全链路优化及多模态技术
- 具备扎实的数据结构、算法、网络与操作系统功底，以及高并发系统性能优化能力
申请策略
- 提前了解高德车服业务现状与竞品动态，准备1-2个将AI技术成功转化为业务价值的完整案例
- 面试时展现清晰的工程化思维，避免只谈算法原理而忽略落地细节
- 突出AI应用生产级落地项目，重点展示RAG优化、Agent工作流设计、Prompt/Context工程实战经验
- 强调Java/Spring Cloud后端架构能力与高并发系统调优案例
- 体现使用AI编程工具提效的具体成果
- 深入研读LangChain/LlamaIndex等主流Agent框架源码，掌握向量数据库检索优化技巧
- 补充大模型安全对齐、幻觉抑制及推理加速（如量化、蒸馏）相关知识
- 强化系统设计面试常考的高并发与分布式理论
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答
- 先明确业务痛点与技术目标，再详述架构选型、核心难点突破（如Prompt设计、检索优化、降级策略），最后用量化指标（准确率提升、成本下降、QPS达标）证明效果
- 请分享一个你主导的AI应用落地项目，如何设计架构并解决幻觉/延迟问题？
- 在Agent工作流编排中，如何处理复杂任务的拆解与容错？
- 针对RAG检索不准的情况，你的优化策略有哪些？
- 如何保证高并发场景下AI服务的稳定性与低延迟？
- 复习分布式系统基础与Java并发编程，梳理大模型应用开发全流程（数据清洗-微调/提示词-部署-监控）
- 准备实际项目中遇到的典型BadCase及排查思路，熟悉主流Agent框架的优缺点对比
职位点评
薪资福利85
成长发展92
工作生活65
使命价值78
薪资福利
85较高
叠加AI紧缺人才标签，薪资竞争力处于市场高位，成熟福利体系完善，职业稳定性强。
薪资信号偏高 (3.5千–6.0万/月)
成长发展
92较高
聚焦AI Native与Agent前沿方向，技术栈极具前瞻性，业务场景丰富利于快速积累硬核项目经验。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、LangChain、Prompt Engineering、多模态、Java、Spring Cloud
业务类型profit_center
工作生活
65中等
未明确提及弹性工时或远程政策，互联网大厂研发岗通常节奏较快，但AI应用开发相对传统运维更侧重创新而非纯响应式值班。
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
78中等
致力于构建人车服务连接，推动AI技术在汽车全生命周期的规模化落地，具有明确的商业价值与社会出行改善意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号构建人、车、服务之间的连接、推动 AI 能力从单点验证走向规模化落地
创新程度积极采用新技术
高德地图 的其他在招职位
相似职位推荐
Watch Jobs