Job Description

资深系统架构师 - 车载语音助手(AI Orchestration & Logic)-广州广州全职职位描述职位概览
我们正在为数万辆智能汽车打造下一代“车载大脑”。该产品每日承载千万级的语音交互请求，运行于高性能的车规级芯片平台，并深度集成大语言模型（LLM）能力。 作为业务大脑的架构师，你将专注于构建高并发、低延迟的 AI 编排层，在公司成熟的网关与基础架构（Infra）之上，设计一套能够精准识别意图、灵活调度模型、并能通过“快慢路径”极速响应用户指令的业务中枢，实现 AI 能力在车载场景下的完美落地。
核心职责 (Core Responsibilities)
1. AI 编排与对话引擎设计 (AI Orchestration)
- 业务中枢构建：主导 ASR-LLM-TTS 全链路的流式业务编排，确保端云协同下的整体交互延迟（TTFT）处于行业领先水平。
- 对话管理 (DM)：设计并维护支持高并发的多轮对话状态机，处理复杂的上下文记忆、意图切换、任务中断与恢复逻辑。
- Agent 架构：构建基于 Agent 的任务规划系统，将模糊的语义请求转化为严谨的结构化指令（JSON），实现对车控、导航、媒体等 API 的精准调度。
2. 混合意图引擎与“快慢路径”设计 (Hybrid Intent Engine)
- 分流机制：设计“分类小模型（快路径）”与“LLM（慢路径）”的并行路由策略。针对高频车控指令实现毫秒级极速响应，无需等待大模型推理。
- 置信度仲裁：建立一套完善的指令仲裁与回滚策略，解决小模型误识别与 LLM 幻觉之间的冲突。
- 槽位提取优化：针对操作性指令设计轻量级的 NER（实体识别）与槽位填充能力，提升系统整体能效比。
3. 多模型路由与网关适配 (Model Gateway & Routing)
- 模型路由：构建统一的模型网关适配层，支持在多个外部 LLM 供应商（如 OpenAI, 文心, 千问等）与私有化模型之间进行动态切换与负载均衡。
- 降级与容灾：设计业务层的服务降级预案，确保在云端模型故障或弱网环境下，基础车控功能依然 100% 可用。
4. 工程卓越性与数据闭环 (Engineering Excellence)
- 协议定义：与 Infra 团队协作，定义高效的端云通信协议（基于 gRPC/Protobuf），优化中间文本与音频流的传输效率。
- 成本控制：通过语义缓存（Semantic Cache）、模型量化建议等手段，在大规模交互场景下显著降低 Token 消耗成本。职位要求必备条件
- 架构资历：8 年以上后端开发经验，3 年以上大型分布式系统架构经验。有处理过日均百万级交互或十万级并发连接业务逻辑的实战经验。
- 技术栈：精通 Go 或 Python，具备极强的高性能异步编程能力。
- AI 背景：深度理解 LLM 能力边界，熟悉 RAG 架构、Function Calling 以及 Prompt Engineering 的工程化落地。
- 协议理解：深刻理解 gRPC、HTTP/2 双向流通信，能够设计高性能的二进制传输契约。
核心素质
- 逻辑严谨：能够将复杂、模糊的用户对话场景拆解为清晰的状态转移图与逻辑流水线。
- 协作能力：能够作为业务方，向 Infra 团队精准提出对网关、存储、计算资源的定制化需求。
加分项 (Preferred Qualifications)
- 有智能音箱、语音机器人或车载 TSP 平台核心架构经验。
- 在端侧（Android/高通平台）有模型部署与推理优化（ONNX/TFLite）的跨端协作经验。
- 参与过知名 AI Agent 框架或分布式调度系统的开源贡献。
我们提供的挑战
- 规模化：直接负责数万台车辆的真实 AI 场景。
- 前沿性：在车机受限算力与云端强大算力之间，寻找 AI 落地的最佳架构平衡点。
- 影响力：你的每一行架构代码，都将直接影响众多自动驾驶出行用户的语音体验。 投递