小红书
AI 研效开发专家 - 业务技术（电商/商业化/社区等）
AI 研效开发专家 - 业务技术（电商/商业化/社区等）
发布于 大约 2 个月前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
软件工程
RAG
GO
向量数据库
LlamaIndex
AI Agent
GitLab CI
AI 估算 · 30k–50k
高级技术专家，AI方向稀缺，小红书平台级别高，薪资竞争力强。
职位详情
关于这个职位
这是一个技术专家岗位，负责将大模型能力深度融入小红书电商/商业化的研发流程
你将构建业务代码知识库、开发垂直AI Agent和AI Code Review系统，直接提升研发效率和代码质量
需要扎实的后端开发功底和AI应用落地经验
最低要求
本科及以上学历，计算机或相关专业，3年以上后端开发/架构/研发效能相关经验
扎实的工程能力：熟练掌握 Java / Go / Python 中的至少两种，熟悉微服务架构、RPC 通信、消息队列及主流数据库，对复杂的大型互联网系统架构有深刻理解
AI 应用开发经验：有实际的大模型应用落地经验，熟悉 Prompt Engineering（提示词工程）
熟练使用 LangChain、LlamaIndex 等框架
掌握向量数据库（如 Milvus, Pinecone 等）的使用及 RAG 系统调优方法
研发效能领域知识：熟悉研发全生命周期（DevOps），熟悉 Git 工作流、CI/CD 体系（如 GitLab CI, Jenkins），对静态代码分析（AST、SonarQube）有一定了解
软技能：具备极强的业务好奇心与同理心，能够深入一线开发/算法团队挖掘真实痛点
优秀的沟通逻辑，能清晰界定业务侧与中台的系统边界
工作职责
业务级代码知识库与 RAG 建设：负责清洗并解析电商 / 商业化业务线海量的私有代码仓库、API 接口文档（YApi/Swagger）、业务架构文档及 PRD，构建高质量的代码领域向量数据库及知识图谱，打造懂业务的 AI 智能问答与 Onboarding 引擎
垂直场景 AI Agent 研发：深入洞察业务研发痛点，以研发交付流程切入，进行工具以及项目工程的AI Ready化改造，推进AI Code Agent完成端到端交付
AI Code Review 与质量防线建设：结合静态代码分析（AST）与大模型能力，将定制化的 AI 审查无缝接入 GitLab CI/CD 流程
针对电商防资损 / 商业化高并发低延迟的业务特性，提前拦截架构不合规或存在性能隐患的代码提交
协同与边界把控：与公司研发效能中台紧密协作，充分复用底层模型调用、计费、基础 IDE 插件等中台能力
专注于业务特有的“Context 组装”与“工作流闭环”，持续通过数据飞轮优化本地化模型的 Prompt 与微调效果
优先资格
深入参与过电商交易链路、营销系统，或商业化广告引擎、数仓架构开发者优先
参与过开源大模型开发工具、DevTools，对企业私域资产和流程有AI Native实践经验的开发者优先
拥有从零构建企业级 Internal Developer Portal (IDP) 经验者优先
AI 洞察
优缺点分析
优点
- 前沿技术栈：直接参与大模型与业务深度结合，实践RAG、AI Agent等前沿技术
- 核心业务部门：电商/商业化是公司变现核心，工作价值高，影响力大
- 大平台资源：小红书提供充足算力、数据和算力基建，能专注于高价值工作
- 高复杂度：需要同时掌握后端工程、AI应用、研发效能等多领域技能
- 技术迭代快：AI领域发展迅速，需要持续学习和跟进
- 适合有3年以上后端开发经验，对AI应用有浓厚兴趣，渴望在业务场景中落地大模型技术，并且能适应快节奏、高要求工作环境的工程师
缺点 / 挑战
- 成长空间大：AI研效是新兴领域，有大量挑战和创新机会，利于职业发展
- 业务压力大：电商/商业化对系统稳定性、效率要求极高，需要快速迭代
角色解读
- 技术深度发展：成为AI研效领域的专家，负责更大范围的业务线AI基建
- 管理方向：带团队负责整个电商/商业化AI研效团队，制定技术战略
- 跨领域拓展：积累大模型应用、DevOps、架构设计等多方面经验，成为技术多面手
- 构建业务级代码知识库：清洗解析海量私有代码和文档，搭建向量数据库和知识图谱，实现AI智能问答
- 研发垂直场景AI Agent：深入业务团队，将AI自动化能力融入开发流程，实现端到端交付
- 开发AI Code Review系统：结合静态代码分析和LLM，在CI/CD流程中自动拦截有问题的代码提交
- 与效能中台协作：复用通用AI基础设施，专注于业务Context组装和闭环优化
- 扎实的后端开发能力：精通Java/Go/Python，熟悉微服务、RPC、消息队列和数据库
- AI落地经验：熟悉Prompt Engineering、LangChain/LlamaIndex，掌握向量数据库和RAG调优
- 研发效能知识：熟悉DevOps、Git工作流、CI/CD，了解AST和SonarQube
- 业务理解与沟通能力：能够深入业务团队挖掘痛点，明确系统边界
申请策略
- 在求职信中表达对AI赋能研发的兴趣，可以结合小红书业务特点提出自己的想法
- 提前了解小红书的电商或商业化产品，思考其研发痛点，面试时展示业务洞察
- 突出后端开发经验，尤其是Java/Go/Python的项目，强调微服务架构和系统设计能力
- 重点展示AI应用落地经历：如使用LangChain构建RAG系统、开发AI Agent或AI Code Review工具
- 如果有研发效能相关经验（CI/CD、DevOps工具链）或开源贡献，务必列出
- 体现业务导向：在简历中说明如何通过技术解决业务痛点、提升效率
- 深入学习LangChain和LlamaIndex框架，动手搭建一个RAG demo项目
- 熟悉至少一种向量数据库（如Milvus），了解其原理和调优方法
面试指南
- STAR法则：描述背景（Situation）、任务（Task）、行动（Action）和结果（Result），重点突出技术难点和你的贡献
- 结构化表达：先总述原理/方案，再分点阐述具体实现，最后总结优劣和改进方向
- 请描述一次你使用大模型解决实际业务问题的经历，技术选型和效果如何？
- 如何设计一个RAG系统来处理海量代码库？你会如何进行数据清洗和向量化？
- 你在CI/CD中集成过代码审查工具吗？如何结合静态分析和AI来提高审查效果？
- 你如何看待AI Agent在研发流程中的应用？可以举例一个你构想的场景
- 请解释一下微服务架构中的服务发现、负载均衡和熔断机制，在你项目中是如何实现的？
- 准备1-2个有深度的AI项目案例，包括技术细节和业务效果
匹配度报告
70
综合匹配度
小红书核心业务AI研效专家，前沿技术栈，成长空间大，但工作强度可能较高，WLB一般。
适合人群
最适合追求技术前沿和快速职业发展的求职者，这类职位能提供丰富的学习和成长机会。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展90
工作生活50
使命价值70
薪资福利匹配
70中等
小红书属于互联网大厂，薪资水平具有市场竞争力，但JD未提及具体薪资和福利，故评分中等偏高。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
90较高
该职位处于AI研效前沿，技术栈先进，能积累大模型、RAG、AI Agent等稀缺技能，成长空间巨大。
技术前沿前沿/新兴技术
技术栈大模型、RAG、AI Agent、LangChain、LlamaIndex、向量数据库、AST
成长机会数据飞轮优化、AI Native实践经验
业务类型profit_center
工作生活匹配
50较低
工作地点在上海现场办公，未提及弹性或远程安排，互联网业务部门通常工作强度较高，WLB一般。
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
70中等
电商/商业化是公司核心业务，技术赋能业务增长，具有一定意义，但社会影响力相对中性。
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