Amap logo
高德地图
高德-用户增长分发引擎专家-信息业务

高德-用户增长分发引擎专家-信息业务

发布于 6 小时前

普通员工/个人贡献者

AI 估算 · 5.0–8.5万 · AI 参考估算
高级经验
本科
全职员工仅现场办公用户增长
用户增长
Ai Agent
Go
分布式系统
召回引擎
向量索引
高并发

值不值得投

75综合评分

综合评分 75

亿级用户增长分发引擎专家岗,技术前沿、业务影响力强,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

6.8万

比用户增长中位数高

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 380 个在招

市场机会

选择适中

北京 · 用户增长 · 32 个在招

职位详情

关于这个职位

该职位负责高德信息业务用户增长分发引擎的核心建设,覆盖Push、消息中心、权益位、首页Feed等多场景的统一分发决策与高并发在线服务

你将主导召回、排序、频控、供需匹配及实时索引链路,并探索AI Coding、Agent与增长智能化结合,提升分发效率和工程效能

最低要求

本科及以上学历,计算机相关专业,5 年以上后端/平台研发经验

Java 基础扎实,理解 IO、多线程、集合框架与 JVM 原理,或精通 Go/C++
具备扎实的数据结构与算法功底,代码质量意识强
熟悉大规模分布式系统设计与应用:缓存(Redis/Tair)、消息队列(RocketMQ/Kafka)、流式计算、分层存储等,能合理选型并快速定位线上问题
有高并发在线服务(万级 QPS、毫秒级时延)设计与调优经验
深入理解召回引擎的技术架构与工程实现:熟悉多路召回编排、倒排/向量 ANN 索引原理及选型(HNSW、IVF、Faiss/Milvus/ScaNN 等任一体系)、实时索引增量更新链路
理解推荐/分发全链路(召回—排序—重排—混排、特征平台、实验分流),有搜索/推荐/广告/增长平台等引擎类系统研发经验者优先
有供需双边系统的设计或实践经验者优先——理解供给池化、流量分配、冷启动扶持、供给效率调控等机制,能够将用户需求与供给侧资源的匹配抽象为可工程化的分配问题
熟练使用至少一种最新一代 AI Coding 工具(Codex、Claude Code、Qoder 等),对 LLM 原理有基本理解,熟悉 Prompt 工程、Spec-driven 开发
有 Agent 框架(Multi-Agent 协作、Function Calling、MCP)实际使用经验者优先
对 AI 与工程结合的方向有强烈热情,自驱学习能力强,能快速跟进前沿并应用于实际项目
具备良好的沟通协作能力与责任感,能在算法、产品、运营多方跨团队场景中高效推进

工作职责

增长分发引擎建设:主导亿级用户规模的用户增长分发引擎的设计与演进,承载 Push 触达、消息中心、权益位、首页 Feed 等多入口多场景的统一分发决策——覆盖人群圈选、干预策略编排(策略召回→增益排序→频控/疲劳度仲裁→下发)全链路,支撑毫秒级在线决策、十万级 QPS 的稳定服务

召回引擎与供需连接:设计高吞吐低延迟的召回引擎,构建多路召回体系——协同多路信号源(规则/标签召回、向量语义召回、图关系召回、增益预估召回等),设计统一的多路召回编排、去重合并与配额分配机制
负责索引机制建设——大规模倒排索引、向量 ANN 索引(HNSW/IVF 等)的选型与工程化,以及实时索引的增量更新链路(用户行为回流→实时写入→秒级可见),保障召回的覆盖度、相关性与新鲜度
沉淀供需连接能力——将用户侧需求(意图、场景、生命周期状态)与供给侧资源(内容、服务、权益、触达容量)进行结构化对接与匹配,通过分层池化、流量分配与冷启动扶持机制,实现供需两端的规模与效率平衡
在线与离线一体化的引擎架构:设计高吞吐低延迟的分布式在线服务架构,负责特征服务(实时/近线特征)、决策引擎、触达通道接入层等核心模块
深入运用流式计算(Flink/Blink)构建实时用户行为回流与实时干预决策闭环
合理运用缓存、消息队列、分层存储等分布式组件,解决热点数据、突发流量、数据一致性等在线工程难题
AI 原生研发模式:深度运用最新一代 AI Coding 工具(Codex、Claude Code、Qoder 等)进行日常研发,将 AI 辅助编程融入设计、编码、测试、重构全流程
践行 Spec-driven 开发范式,以结构化的需求/技术设计文档驱动 AI 编码,保证生成代码的质量与业务一致性
探索 Coding Agent 在自动化测试、代码重构、需求拆解等环节的深度应用,推动团队向 AI 原生研发范式演进
Agent 与增长智能化:持续跟进 AI Agent 前沿进展,推动在增长场景的落地——如用 LLM/Agent 构建分发策略的自动化分析与实验闭环(AutoResearch:策略效果自动归因、复盘报告生成、知识沉淀与检索 RAG),探索 Agent 辅助的规则/策略配置、人群圈选自然语言化等方向,降低策略迭代的人肉成本
稳定性与效能:对引擎的可用性、时延、成本负责,建设容量规划、灰度发布、监控告警、故障演练等工程质量体系
沉淀可复用的平台能力,让运营与算法同学可低成本自助接入新分发场景

优先资格

有增长分发引擎、触达平台或搜广推系统(召回/索引/排序/实验分流等核心链路)的规模化实践经验,经历过亿级用户量级系统的建设与演进者优先

有 AI Agent/智能体项目经验(Agent 架构设计、Multi-Agent 协作),或团队级 AI 研发效能建设经验(AI Coding 规范、Spec-driven 流程、团队级 AI 工具链配置与沉淀)

AI 洞察

优缺点分析

优点

  • 岗位处于亿级用户规模和高QPS场景,能积累大规模分布式系统、召回引擎和实时决策平台的稀缺工程经验
  • 同时覆盖增长分发与AI原生研发,技术栈包含向量索引、Flink/Blink、AI Coding、Agent等方向,成长空间较大
  • 业务连接Push、消息中心、权益位、首页Feed等多入口,技术成果能直接作用于用户增长和触达效率
  • 平台化属性强,沉淀的能力可被运营、算法等多角色复用,容易形成可衡量的业务与技术影响力
  • 系统复杂度高,需要同时处理高并发、低延迟、索引新鲜度、频控仲裁、实验分流和稳定性问题
  • 跨算法、产品、运营多方协作频繁,需求变化快,对抽象能力、沟通推进能力和优先级判断要求高
  • AI Coding与Agent落地仍处于快速演进阶段,需要在保证代码质量和业务一致性的前提下探索新范式
  • 适合有大规模后端平台、搜广推或增长引擎经验,同时愿意深入AI原生研发和Agent工程化的高级技术人才

缺点 / 挑战

暂无明显挑战项

角色解读

  • 可沿着增长引擎/推荐引擎/分发平台方向继续深入,成为高并发召回与决策系统、实时特征与实验平台方面的技术专家
  • 可向AI原生研发与智能化平台方向扩展,负责团队级AI Coding规范、Agent工具链、自动化实验与策略分析体系建设
  • 长期可发展为平台架构负责人或技术管理者,统筹多场景分发、供需匹配、触达平台和增长智能化方向
  • 负责用户增长分发引擎的架构设计与演进,把Push、消息中心、权益位、首页Feed等多个入口统一成可配置、可实验、可观测的分发决策系统
  • 建设多路召回、索引更新、增益排序、频控与疲劳度仲裁等核心链路,支撑亿级用户、十万级QPS和毫秒级在线决策
  • 将实时特征、流式计算、实验分流和触达通道接入整合为在线离线一体化平台,保障系统稳定性、低时延和成本可控
  • 探索AI Coding、Spec-driven开发、LLM/Agent在策略分析、自动归因、复盘生成和规则配置中的应用,推动研发模式升级
  • 需要扎实的Java/Go/C++工程能力,深入理解IO、多线程、JVM、数据结构与算法,并能写出高质量、可维护的服务端代码
  • 需要掌握大规模分布式系统设计,包括Redis/Tair、RocketMQ/Kafka、Flink/Blink、分层存储、缓存、消息队列和线上问题定位
  • 需要理解推荐/搜索/广告/增长平台中的召回、排序、重排、混排、特征平台和实验分流全链路,并熟悉倒排索引、向量ANN索引与实时索引更新
  • 需要对LLM、Prompt工程、Spec-driven开发、AI Coding工具和Agent框架有实际使用经验,能推动AI与工程研发流程结合

申请策略

  • 面试前建议梳理高德地图信息业务的增长场景,思考Push、消息中心、权益位、首页Feed在用户生命周期中的触达价值
  • 申请时可强调自己对工程稳定性、业务增益和AI研发效率的综合理解,而不仅是单点技术能力
  • 重点突出你主导或核心参与过的高并发在线服务,写清QPS、时延、可用性、容量规划、灰度发布和故障治理等结果
  • 突出召回/索引/排序/实验分流相关经验,尤其是多路召回、倒排索引、向量ANN索引、实时索引更新和供需匹配机制
  • 展示AI Coding与Agent实践,例如使用Codex/Claude Code/Qoder、Spec-driven开发、Prompt工程、Function Calling、MCP或Multi-Agent项目的真实落地案例
  • 强调跨团队推动经验,说明你如何与算法、产品、运营协作,将复杂业务需求抽象为平台能力和工程方案
  • 补齐或强化向量检索与召回工程能力,熟悉HNSW、IVF、Faiss、Milvus、ScaNN等体系的原理、选型和性能权衡
  • 提升实时计算与在线工程能力,重点准备Flink/Blink、Kafka/RocketMQ、Redis/Tair、热点数据处理和数据一致性方案

面试指南

  • 架构题按“业务目标—核心指标—模块拆分—关键链路—容量与稳定性—监控与演进”展开,先讲约束再讲方案
  • 技术深挖题用“问题背景—可选方案—权衡比较—最终选择—线上验证—复盘改进”的结构回答,突出取舍依据
  • AI与协作题用“具体场景—实施步骤—量化结果—沉淀机制”回答,尽量给出可验证的落地细节
  • 如果让你设计一个支撑十万级QPS、毫秒级决策的统一增长分发引擎,你会如何拆分核心模块?
  • 多路召回系统中,如何做规则召回、向量召回、图关系召回和增益预估召回的编排、去重、合并与配额分配?
  • 实时索引更新链路中,如何保证用户行为回流后的秒级可见性、数据一致性和故障可恢复性?
  • 你如何将AI Coding和Spec-driven开发落地到团队研发流程,同时保证代码质量和业务一致性?
  • 请举例说明你如何推动算法、产品、运营多方协作,并将复杂增长需求抽象为可复用的平台能力

职位点评

薪资福利82
成长发展92
工作生活45
使命价值70

薪资福利

82较高

JD未披露薪资与福利信息,但岗位要求高级专家级工程能力,涉及亿级用户、高并发引擎和AI工程融合,通常对薪资动机有较强吸引力。福利部分无法基于JD确认。

薪资信号未披露(AI估算:5.0千–8.5万/月)

成长发展

92较高

岗位明确涉及增长分发引擎、召回索引、流式计算、AI Coding、Spec-driven开发和Agent落地,技术广度和深度都很强。JD还提到推动团队向AI原生研发范式演进,发展性非常突出。

技术前沿前沿/新兴技术
技术栈Java、Go、C++、Redis、Tair、RocketMQ、Kafka、Flink/Blink、倒排索引、向量ANN索引、HNSW、IVF、Faiss、Milvus、ScaNN、LLM、Agent、Multi-Agent、Function Calling、MCP、RAG、AI Coding、Spec-driven
成长机会推动团队向 AI 原生研发范式演进、持续跟进 AI Agent 前沿进展
业务类型profit_center

工作生活

45较低

JD仅明确地点为北京,未提及远程、弹性办公、双休或加班情况,因此生活化动机满足程度无法充分判断。岗位涉及稳定性、时延、成本与复杂平台建设,工作挑战较高。

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

70中等

岗位服务于亿级用户增长与多场景触达,技术成果对用户连接、资源匹配和平台效率有实际价值。但JD未直接表达社会使命或公共价值导向,意义感主要来自业务规模与技术影响力。

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
Watch Jobs