美团
AI Builder/算法工程专家
AI Builder/算法工程专家
发布于 大约 17 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
GO
MLOps
TensorRT
DeepSpeed
vLLM
Or-Tools
AI 估算 · 30k–55k
一线互联网大厂算法工程专家岗位，技术难度高，市场稀缺，薪资竞争力强。
职位详情
关于这个职位
作为AI Builder/算法工程专家，你将负责将预测、优化和AI Agent等算法模型高效落地为生产系统，涵盖数据流水线、模型训练、在线推理和智能运维全链路
你将与算法团队紧密协作，构建高并发、低延迟的决策系统，并深度参与大模型训练与微调、RAG系统建设等前沿技术实践
最低要求
计算机科学、软件工程、数学、统计、运筹学或相关专业本科及以上学历，5 年以上与算法团队紧密配合、共同构建机器学习/深度学习/最优化系统的工程经验
扎实的系统工程能力：精通 Python、Java、C++ 或 Go 中至少两门语言
具备优秀的系统设计能力，能独立完成高并发、低延迟在线服务的架构设计与实现
具备良好的代码工程质量意识（单元测试、日志规范、异常处理、CI/CD）
预测与最优化模型工程经验：熟悉机器学习模型训练全流程（数据探索、特征工程、模型训练、离线评估、在线 A/B 验证、上线部署）
有时序预测模型（DeepAR/TFT/N-BEATS 等）或优化求解器（OR-Tools/Gurobi/CPLEX）的工程落地经验
理解常用模型（LR、GBDT、DeepFM、DIN、Transformer 等）的原理与工程实现
大数据技术栈：熟练使用 Hadoop、Spark/PySpark 处理 TB+ 级数据，掌握 Flink 实时流处理基本能力
有特征平台或数据流水线建设经验
熟练使用 SQL 进行复杂数据分析
MLOps 工程经验：有模型生命周期管理、自动化训练流水线、模型监控与告警、数据质量治理等方面的实战经验
了解主流 MLOps 、AIOps、AutoResearch工具栈
模型推理与部署：了解分布式训练技术（DDP、DeepSpeed ZeRO 等）
了解模型推理优化技术（TensorRT / ONNX Runtime / vLLM 等）、模型压缩（量化/蒸馏/剪枝）以及在线 serving 架构设计
具备出色的跨团队沟通与推动能力，能在算法研究与工程落地之间架起桥梁，用数据和实验结果影响技术决策，推动项目高效交付
工作职责
预测模型工程化：配合算法同学将需求预测、供应链智能预测、用户行为预测等预测模型高效落地为生产系统
承担从数据流水线（Spark/Hive SQL 离线特征、Flink/Kafka 实时特征）、时序特征工程、模型训练（分布式训练 DDP/DeepSpeed、混合精度 AMP）到在线推理服务的全链路工程实现
构建预测结果的自动化监控与反馈闭环，确保预测精度在复杂业务场景（节假日效应、促销扰动、外部冲击等）下持续稳定
最优化模型工程化：将运筹优化、定价策略、库存调度、资源分配等优化算法落地为可靠的线上决策系统
构建求解器服务（OR-Tools / Gurobi / CPLEX 等）的工程封装与调度框架，实现大规模组合优化问题的高效在线求解
设计优化模型与预测模型的联合决策流水线，支撑供应链全链路的降本增效
AI Agent 应用工程化：负责企业级 AI Agent 系统的工程化建设，包括生产级 RAG 系统（向量数据库选型 Milvus/Faiss、混合检索稀疏+稠密、Reranker 重排序、动态知识更新）、Multi-Agent 协作框架搭建（工具调用 Function Calling、动态任务规划、长期 Memory 管理、多步推理与反思机制）、Agent 评测体系（成功率/效率/鲁棒性指标设计与自动化评测流水线）
推动 Agent 在自动化决策、代操作等业务场景的规模化落地
AIOps 与智能运维：建设算法系统的智能化运维能力——基于日志/指标/链路追踪数据构建异常检测与根因分析模型，实现算法服务故障的自动发现与快速定位
搭建推理服务的自动扩缩容与智能调度系统（基于负载预测的弹性伸缩、GPU 资源利用率优化、多模型混部调度）
构建模型推理性能的持续优化体系（模型量化 INT8/INT4/GPTQ/AWQ、知识蒸馏、算子优化、Continuous Batching），在延迟（P99 级别）、吞吐与资源成本之间取得最优平衡
LLM 训练与微调工程化：负责大模型训练基础设施建设，包括 SFT/RLHF/DPO 训练流水线搭建、参数高效微调（LoRA/QLoRA/Adapter）框架集成、高质量数据工程（数据清洗/去重/配比/标注流水线）、训练资源管理（GPU 集群调度、分布式训练框架 DeepSpeed/Megatron-LM/FSDP 选型与适配）
沉淀私域知识及 Agent 工作流，构建数字员工实践 AI at work 提效
AI 洞察
优缺点分析
- 深度参与预测、优化和AI Agent三大核心场景，积累复合技能壁垒
- 前沿技术栈包括MLOps、AIOps、大模型训练与推理优化
- 美团作为零售+科技巨头，平台大、资源丰富，技术氛围浓厚
- 技术要求极高，需同时掌握工程、算法、大数据和AI Agent等多领域知识
- 工作强度可能较大，需与算法团队紧密协同，推动项目高效交付
- 技术更新快，需要持续学习
- 适合5年以上经验、有算法工程化背景、渴望在AI工程前沿深度发展的技术人才
角色解读
- 成长为算法工程专家（AI Builder），兼具算法理解与系统架构能力
- 可向技术专家或架构师方向发展，在MLOps、AIOps、大模型工程等前沿领域深耕
- 有机会带领团队，负责更复杂的算法系统工程化项目
- 将预测、优化和AI Agent等算法模型落地为生产系统，包括数据流水线、模型训练和在线推理服务
- 构建优化求解器服务和AI Agent系统，支持供应链决策和自动化决策
- 建设算法系统的智能化运维能力，包括异常检测、自动扩缩容和推理性能优化
- 参与大模型训练基础设施建设，包括微调、数据工程和分布式训练框架
- 精通Python、Java、C++或Go中至少两门，具备高并发低延迟系统设计能力
- 熟悉机器学习全流程，有时序预测或优化求解器工程落地经验
- 掌握大数据技术栈（Hadoop/Spark/Flink）和MLOps工具
- 了解大模型训练、推理优化和AI Agent相关技术（RAG、模型量化、分布式训练）
申请策略
- 深入了解美团“零售+科技”战略，结合业务场景思考算法工程化的价值
- 准备几个端到端的算法工程化案例，展示全链路能力
- 突出预测/优化模型工程化项目经验，尤其是高并发低延迟系统设计
- 展示MLOps实践案例，如自动化训练流水线、模型监控等
- 如有大模型（LLM）或AI Agent相关经验务必重点描述
- 若缺失，可以补充学习OR-Tools/Gurobi等优化求解器、TensorRT/vLLM推理优化
- 了解DeepSpeed/Megatron-LM等分布式训练框架
面试指南
- 使用STAR法则描述项目：情境、任务、行动、结果，重点突出技术难点和解决方案
- 对于设计问题，先拆解需求，给出系统架构图，再讨论关键点（如延迟、吞吐、容错）
- 对比不同技术方案优劣，展示技术选型思考
- 请描述一个你主导的预测模型工程化项目，包括数据流水线、模型训练和上线部署的细节
- 如何设计一个高并发的在线推理服务？考虑哪些优化点？
- 在MLOps实践中，你如何监控模型性能并处理模型衰退？
- 你对大模型训练（SFT/RLHF）的工程实现了解多少？遇到过哪些挑战？
- 如何看待AI Agent在企业中的应用前景？工程化落地需要解决哪些问题？
匹配度报告
69
综合匹配度
美团算法工程专家岗，技术前沿、成长空间大，但工作强度高、WLB一般。
适合人群
最适合追求前沿技术成长、愿意投入高强度工作、看重职业发展的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展95
工作生活40
使命价值60
薪资福利匹配
80较高
美团作为上市公司，薪资和福利具有竞争力，但JD未明确说明具体福利，薪资信号为未披露。
薪资信号未披露 (30K-55K/月)
成长发展匹配
95较高
职位涉及预测、优化、AI Agent和大模型等前沿技术，成长路径清晰，技能积累丰富。
技术前沿前沿/新兴技术
技术栈Python、Java、C++、Go、Spark、Flink、Kafka、OR-Tools、Gurobi、CPLEX、DeepSpeed、TensorRT、vLLM、RAG、MLOps
成长机会算法 × 工程的复合成长路径、技术专家、高速成长的团队
业务类型profit_center
工作生活匹配
40较低
JD未提及远程办公或弹性工作，互联网大厂通常工作强度大，仅现场办公。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
美团“帮大家吃得更好，生活更好”的使命有一定社会意义，但职位更偏向技术实现，社会影响力一般。
行业发展高速增长赛道
社会影响中性/一般
使命信号帮大家吃得更好，生活更好
创新程度积极采用新技术
Watch Jobs