吉利汽车
语音开发工程师
语音开发工程师
发布于 大约 8 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
Llm
Rabbitmq
分布式系统
多线程
网络编程
语音对话
值不值得投
73综合评分
综合评分 73
车企AI核心岗位，技术栈深厚且前沿，技术成长性高，但对系统稳定性要求严格，WLB存在不确定性。
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。
薪资怎么样
28K
比后端开发中位数低
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 1910 个在招 · 其中后端开发 12 个
市场机会
选择面较广
杭州 · 后端开发 · 约 160 个在招
职位详情
关于这个职位
负责设计、开发和维护吉利汽车的语音对话服务系统，确保服务链路的高效、稳定和安全
你需要深入理解分布式系统架构，运用Java等技术栈解决高并发、高性能的工程挑战，并参与开发运维工具平台以提升团队效率
该职位是连接AI算法与产品落地的关键工程角色
最低要求
深厚的Java技术栈： 精通Java语言，具备丰富的后端服务开发经验，熟练运用多线程、网络编程（IO/NIO）等技术解决复杂问题
分布式系统与中间件： 深入理解分布式系统原理，熟练应用Redis、消息队列（如RabbitMQ、Kafka）等中间件，能够设计高并发、高性能的服务架构
算法与数据结构基础： 具备扎实的计算机科学基础，熟悉常用算法和数据结构，能够根据业务场景选择合适的数据处理方式，优化服务性能
工作职责
语音对话服务链路建设与优化：负责设计并实施语音对话服务的系统架构，确保服务链路的高效、稳定与安全性
参与算法工程服务化的全周期管理，包括需求分析、方案设计、编码实现、测试部署及后期维护，以提升用户体验和系统整体性能
系统稳定性保障：监控并优化服务的可用性和稳定性，快速响应并解决系统故障，确保7x24小时无间断运行
利用监控工具和日志分析，预防潜在问题，提高服务的健壮性
工具平台构建与业务赋能：参与构建高效、易用的开发运维工具平台，将业务逻辑抽象为可复用的服务或组件，简化业务对接流程，提升团队整体开发效率和质量
优先资格
LLM Agent原理与工程实践：对大语言模型（LLMs）及其在对话系统中的应用有深刻理解，有将LLM理论知识转化为实际工程解决方案的经验，能够推动AI技术在语音对话服务中的创新应用
AI 洞察
优缺点分析
优点
- 接触汽车行业前沿的AI语音交互技术，技术栈兼具深度与广度
- 在大型车企工作，项目规模大，能积累高并发、高稳定性系统的工程经验
- 有机会将LLM等前沿技术应用于实际产品，实现技术价值
- 需持续跟进LLM等AI技术的快速发展，并将其工程化落地
- 适合具备扎实Java后端功底、对分布式系统有深入理解，并对AI技术在汽车领域应用有浓厚兴趣的工程师
缺点 / 挑战
- 作为车载服务，对系统的稳定性和实时性要求极高，开发和运维压力较大
角色解读
- 技术专家路径：深耕语音服务架构与AI工程化，成为智能座舱或车联网领域的资深技术专家
- 架构师路径：从单个服务开发扩展到负责更复杂的分布式系统架构设计
- 技术管理路径：带领小团队负责语音服务模块的研发与交付
- 设计和实现汽车语音对话服务的后端系统架构，确保其高可用和高性能
- 保障语音服务7x24小时稳定运行，快速定位并解决系统故障
- 开发通用的工具和组件，提升团队整体开发效率和交付质量
- 精通Java及多线程、网络编程等底层技术，能解决复杂后端问题
- 深入理解分布式系统，熟练使用Redis、Kafka等中间件进行架构设计
- 具备扎实的算法与数据结构基础，能根据业务场景优化性能
- 了解LLM及对话系统原理是重要的加分项
申请策略
- 研究吉利汽车的智能化战略和近期发布的智能座舱产品，理解业务背景
- 在面试中展现对汽车行业与AI技术结合点的思考，而不仅是纯技术讨论
- 详细描述参与过的大型Java后端项目，突出系统架构设计和性能优化成果
- 列举使用Redis、Kafka等中间件解决实际业务问题的具体案例
- 如有任何与大模型、NLP或语音相关的项目经验，务必重点展示
- 强调保障系统高可用性的经验，如容灾设计、故障排查等
- 系统性复习和深化分布式系统原理（如CAP、一致性协议）
- 动手实践LLM Agent的开发，例如使用LangChain等框架构建一个简单的对话应用
面试指南
- 对于架构设计问题，遵循“背景-挑战-方案-收益-反思”的结构回答
- 对于系统稳定性问题，从监控、告警、容灾、预案、代码质量等多个维度阐述
- 对于技术选型问题，结合具体业务场景解释技术特性和取舍
- 请描述一个你设计过的高并发服务架构，遇到了哪些挑战以及如何解决的？
- 如何保证一个分布式系统中关键服务的7x24小时稳定运行？
- Redis和Kafka在你的项目中分别解决了什么问题？
- 如果你负责一个LLM Agent的后端服务部署，你会考虑哪些技术点和挑战？
- 你如何看待将大模型技术应用于车载语音对话的机遇与挑战？
职位点评
薪资福利75
成长发展85
工作生活55
使命价值70
薪资福利
75中等
薪资水平未在JD中明确披露，但作为上市车企的核心技术岗位，结合城市与岗位要求，预计具有市场竞争力。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
职位涉及Java分布式架构与LLM工程实践，技术栈主流且包含前沿方向，有明确的技术深度要求和成长空间。
技术前沿前沿/新兴技术
技术栈Java、Redis、Kafka、RabbitMQ、LLM
成长机会全周期管理
业务类型ambiguous
工作生活
55较低
工作模式未明确说明，但汽车行业研发岗位通常需要现场办公。需保障7x24小时稳定运行，可能涉及值班或应急响应。
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
70中等
岗位服务于汽车智能化转型，属于行业增长赛道，将AI技术落地到智能产品中具有明确的创新价值。
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