京东
搜推算法工程师
搜推算法工程师
发布于 大约 17 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
软件工程
深度学习
PyTorch
TensorFlow
大模型
搜索推荐
向量检索
AI 估算 · 30k–55k
京东搜推算法岗，3-5年经验，北京，薪资具有竞争力，参考市场水准偏高。
职位详情
关于这个职位
作为京东工业的搜推算法工程师，你将负责搜索与推荐算法的核心建模与工程落地，利用深度学习和大模型技术优化召回、排序等模块，提升CTR、CVR等核心指标
你需要参与全链路研发，从特征工程到A/B测试，并确保高并发场景下的系统稳定性
这个职位适合有3-5年搜推经验、精通Python/C++和深度学习框架的算法工程师
最低要求
教育背景：计算机科学、软件工程、人工智能、数据科学、应用数学等相关专业本科及以上学历（硕士优先）
工作经验：具备3-5年搜索、推荐或广告领域算法研发与工程落地经验，有大型互联网、电商、内容平台高并发在线服务经验者优先
能力要求：
算法研发能力：深入理解搜推全链路（Query改写、召回、粗排、精排、重排）的模型设计，对常用经典模型与深度学习模型（如Wide&Deep、DeepFM、Transformer、向量检索等）有深厚的实战经验，精通特征工程、样本构造、多目标优化及冷启动策略
工程开发能力：具备扎实的计算机编程基础，精通Python/C++（有丰富的FastAPI、Uvicorn等高性能异步Web框架开发经验者优先）
精通至少一种深度学习框架（TensorFlow/PyTorch）
熟练使用Spark/Flink进行离线与实时特征高吞吐数据处理
技术方案设计能力：具备优秀且成熟的工程架构思维，能够独立设计高可用、可扩展的在线算法服务方案，有处理过特征穿越、数据倾斜、高并发下高可用（High Availability）以及线上长尾延迟（Long-tail Latency）等复杂技术问题的成功经验
工作职责
负责搜索与推荐算法系统的规划、设计与核心建模，深入理解业务场景，将深度学习、大模型等算法技术与实际业务需求结合，打造高性能、高准确率的智能化搜索与推荐解决方案
负责算法模型从特征工程、样本构造、离线训练到A/B测试全链路的研发与上线迭代，针对召回、排序或重排等核心模块进行策略优化，持续提升CTR、CVR、人均时长等核心业务指标
负责算法服务的在线工程开发与性能优化，与AI产品经理对齐需求，并能够独立或协同架构团队完成算法的高效工程落地，确保搜推服务在高并发、低延迟（RT）高吞吐场景下的稳定性
关注人工智能与搜索推荐领域前沿技术趋势（如大模型、向量检索、图神经网络等），进行技术预研与实验，通过算法工程化手段推动技术成果向实际业务价值转化
负责算法工程的日常迭代与效果复盘，通过离线Evaluation和在线A/B测试数据分析，快速定位模型瓶颈，保障核心算法组件的高质量交付与线上平稳运行
参与算法技术栈的沉淀与演进规划，持续优化底层特征工程pipeline、模型训练框架以及在线工程服务架构，提升团队整体的算法研发与工程效率
AI 洞察
优缺点分析
优点
- 涉及大模型等前沿技术，有技术预研机会，利于个人技术成长
- 团队规模和影响力大，晋升通道清晰，薪资福利有竞争力
- 搜推领域竞争激烈，需要持续学习最新算法和工程实践
- 工作节奏可能较快，需应对频繁的A/B实验和迭代
- 适合有3-5年搜推经验、渴望在大型平台解决复杂工程和算法问题、同时愿意持续学习前沿技术的算法工程师
缺点 / 挑战
- 京东是大型电商平台，搜推场景丰富，数据量大，技术挑战性强，能快速积累经验
- 高并发、低延迟的工程要求高，线上问题排查压力大
角色解读
- 技术专家路线：深耕搜推算法，成为模型优化和工程架构的专家
- 管理路线：带领算法团队，负责整体搜推系统的规划和演进
- 跨领域发展：向AI产品经理或技术总监转型，结合业务理解推动创新
- 设计和优化搜索推荐的算法模型，包括召回、排序、重排等核心模块，提升点击率和转化率
- 负责算法全链路开发，从特征工程、样本构造到离线训练和线上A/B测试
- 开发高性能在线算法服务，确保高并发、低延迟场景下的系统稳定性
- 跟踪前沿技术如大模型、向量检索，进行技术预研并推动业务落地
- 扎实的搜推算法基础：深入理解Wide&Deep、DeepFM、Transformer等模型，熟悉召回排序策略
- 精通Python和C++，熟悉FastAPI等高性能框架，能独立完成工程开发
- 熟练使用TensorFlow或PyTorch，有Spark/Flink数据处理经验
- 优秀的工程架构思维，能处理高可用、数据倾斜等复杂问题
申请策略
- 提前了解京东工业的业务场景，思考搜推如何赋能工业品采购
- 准备一段关于如何改进现有搜推系统的技术方案，展现思考深度
- 突出搜推全链路经验，特别是召回、排序模型的实际优化案例和指标提升
- 强调工程能力：用具体项目展示Python/C++、TensorFlow/PyTorch、Spark/Flink的使用
- 展示解决高并发、低延迟等复杂问题的成功经验
- 如果有大模型或向量检索相关经验，务必提及
- 加强C++和Python工程能力，熟悉FastAPI和高性能服务开发
- 深入学习大模型（如BERT、GPT）在推荐中的应用，以及向量检索技术
面试指南
- 对项目题采用STAR法则：情境、任务、行动、结果，突出个人贡献和量化效果
- 对系统设计题先明确需求，再分层阐述架构（数据流、模型服务、缓存、降级等），最后说明权衡
- 对算法理论题先解释核心原理，再结合实践经验谈优缺点和适用场景
- 请详细介绍你之前在搜索推荐项目中的全链路优化经验，以及具体指标提升
- 如何设计一个高并发、低延迟的实时推荐服务？你会考虑哪些技术选型？
- 谈谈你对Wide&Deep和DeepFM的理解，它们各自适合什么场景？
- 如何处理特征穿越和样本偏差问题？
- 大模型如何在搜索推荐中落地？举例说明
匹配度报告
69
综合匹配度
京东搜推算法岗，技术前沿薪资高，但工作节奏快，WLB一般。
适合人群
适合追求技术成长和高薪回报、能接受一定工作强度的算法工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值60
薪资福利匹配
85较高
京东作为上市大厂，薪资福利有竞争力，该职位薪酬处于市场偏高水准，且有明确的年终奖和五险一金等福利，补偿性动机满足较好。
薪资信号偏高 (30K-55K/月)
成长发展匹配
90较高
职位涉及深度学习、大模型、向量检索等前沿技术，且京东有完善的内部培训和技术分享，成长空间大。
技术前沿前沿/新兴技术
技术栈深度学习、大模型、向量检索、图神经网络
成长机会技术预研、技术栈沉淀与演进规划
业务类型profit_center
工作生活匹配
40较低
职位要求高并发、低延迟，工作强度可能较大，且未提及弹性办公或远程，生活化动机满足有限。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
60中等
京东工业在工业品电商领域有增长潜力，但社会影响力相对中性，意义感动机中等。
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