AI数据后台工程师-光环技术中心

推荐系统工程落地 负责游戏内多种推荐业务的工程侧架构设计与实现，确保高并发、低延迟的在线服务体验。 搭建推荐工程链路（召回→粗排→精排→重排），部署维护高并发推荐服务。 优化推荐服务的TP99延迟、吞吐量及资源利用率。 支持ABTest平台对接，实现多实验流量划分与效果评估。

后台数据服务开发 开发并维护高性能、高可用的数据API及后台服务，为游戏前端、运营平台、数据分析师提供稳定高效的数据访问能力。 设计数据服务层架构（Redis缓存、数据库索引、查询优化），应对游戏版本更新和活动期间的流量峰值。

后台服务稳定性建设 建立服务监控告警体系（QPS、延迟、错误率、资源水位），确保服务高可用。 设计服务降级、限流、熔断等稳定性策略。

大模型部署与工程落地 参与算法团队大模型（LLM）的工程化部署工作，协助完成推理服务封装与上线。 了解大模型推理框架，探索LLM在游戏推荐场景的应用。 与算法同学协作，推动模型服务标准化流程建设。

协同与创新 与算法工程师、游戏策划、数据分析师紧密合作，负责将团队算法成果落地应用到项目组业务中。 参与特征平台、负责后台服务的CI/CD等部署运维工作。

本科及以上学历，计算机相关专业，3年以上推荐系统后台或高并发服务开发经验。

扎实的编程能力：掌握Java/Scala/Go/Python中的至少两种，对各种后台框架优劣，使用场景有正确的认识了解。

推荐系统经验： 熟悉推荐系统通用架构（召回→排序→重排），有实际在线推荐服务的开发与调优经验。

高并发/高吞吐： 熟练使用Redis、MySQL，理解高并发场景下的优化要点（索引、分库分表、缓存策略），有多线程、异步高并发优化实战经验。

熟练linux开发环境，掌握shell、python脚本开发，有docker开发部署能力。

掌握kafka/pulsar等消息队列开发技能，有flink数据实时采集、计算、入库全链路开发能力。

有大数据开发、机器学习、LLM部署、Agent开发 等实战经验优先。