猿急送>

上海其它兼职程序员

ID：424168

_abed

高级搜索算法工程师

公司信息：
小红书

工作经验：
9年

兼职日薪：
1500元/8小时

兼职时间：
可工作日驻场（自由职业原因）

所在区域：
上海
长宁

技术能力

我主要深耕 NLP 自然语言理解、智能搜索、召回排序、AI Agent 方向，先后在 Shopee 虾皮、拼多多、小红书负责内容与电商搜索链路的算法研发工作，具备完整的搜索召回、相关性匹配、精排优化、Prompt 工程、Agent 推理决策落地经验。
在业务侧，我长期负责电商商品搜索、内容种草搜索、智能问答 Agent 的算法迭代：基于 NLP 语义理解完成用户意图识别、Query 改写、纠错与语义召回；搭建并优化多路召回体系，结合向量检索、结构化检索、业务规则召回提升搜索覆盖与召回多样性。
排序侧主要负责搜索相关性、精排打分、多源结果融合，通过自研多级短路相关性决策、LLM 语义精排、蛇形多路合并策略，解决传统搜索匹配不准、结果同质化、无关内容泛滥的问题，显著提升搜索精准度与用户种草转化。
同时我落地过电商 AI Agent 全链路能力，基于 ReAct 架构实现模型自主规划工具调用、多轮推理、图文多模态搜品能力，结合用户记忆体系实现个性化搜索与智能导购，在保障效果的同时通过前置短路推理大幅降低线上 Token 与算力成本。
整体擅长传统搜索架构 + 大模型智能搜索的融合迭代，熟悉电商、内容社区两套搜索业务逻辑，擅长从召回、匹配、排序、Agent 推理全链路优化搜索体验与业务指标。

项目经验

xhs电商购物agent
本项目深度适配电商智能问答、商品种草搜索场景，基于 ReAct 智能 Agent 架构，定制搭建了一套专属电商领域的智能决策、检索过滤、精准匹配、结果择优、低损输出的电商 Agent 能力体系，区别于通用 AI 搜索，针对电商商品检索、用户购物咨询、图文种草问答做了全链路专项优化，是平台商业化核心能力模块。
一、电商专属 ReAct Agent 推理决策体系
基于通用 ReAct 推理框架，定制电商场景专属智能 Agent 逻辑，可自主识别用户电商类 Query（商品咨询、穿搭种草、好物推荐、图文搜品），自动规划电商专属工具调用链路：智能触发商品检索、图搜商品、图文混合搜品等专项工具，替代通用搜索能力。支持多轮迭代推理，可根据用户需求持续细化商品筛选条件、补充品类/属性/场景约束，实现拟人式购物咨询问答。
同时适配电商场景高可用策略，继承项目双层降级机制：模型推理超时/异常时，自动降级为规则+轻量模型的商品兜底检索，保障电商咨询场景稳定可用。
二、电商工具专属可灰度执行体系
针对商品搜索、图片搜商品、图文混合搜品等电商工具，依托平台双名称工具注册、三层可见性管控能力，实现电商工具的版本无感升级、精细化灰度管控。支持全局、数据源、场景三维度开关控制，可独立启停、灰度测试电商类工具，不影响通用问答业务。
基于 JSON Schema 实现电商工具参数全自动校验，对商品类目、搜索关键词、图片参数、筛选条件做标准化校验与自动注入，零代码完成电商 RPC 请求封装，大幅提升商品检索接口的稳定性与迭代效率。
三、电商四阶段短路相关性决策（核心差异化能力）
为解决传统商品检索精准度低、无关商品泛滥、模型算力浪费问题，自研电商商品四阶段短路决策树 Prompt 体系（V5版本），是电商 Agent 核心甄别能力：
1. 基础相关性校验：快速过滤完全无关商品，前置拦截无效结果；
2. 品类匹配校验：核验商品类目与用户需求一致性，剔除跨品类无效商品；
3. 细粒度属性匹配：针对款式、场景、人群、规格等电商核心属性精细化校验；
4. 综合置信度打分：最终输出强/一般/弱相关评级与置信度，完成精准择优。
该短路机制可在任意阶段终止无效推理，大幅减少电商场景无效模型算力消耗，同时显著提升商品匹配精准度，解决 AI 问答“乱推荐、错推荐”的电商核心痛点。
四、双阶段商品择优 + 蛇形多路合并算法
搭建电商结果专属筛选排序链路，实现粗筛+精排双层择优：
1. 第一阶段硬阈值粗筛：依托检索底层分值做硬性过滤，剔除低分、无效、重复商品结果；
2. 第二阶段 LLM 语义精排：结合用户需求、商品属性、场景适配度做智能打分排序，同时适配用户性别、偏好等个性化维度。
采用电商结果蛇形合并策略，对多路商品检索结果交替择优合并，避免单一检索链路垄断结果，在保证精准度的同时，大幅提升商品推荐多样性，适配用户种草、对比选购的核心诉求。
五、多模态电商 Agent 能力（图文搜品）
支持完整的图片搜商品、图文混合搜品多模态电商能力，Agent 可自动识别用户上传图片的商品特征、OCR 文字、场景标签，结合文本 Query 联合推理，调用专属商品图搜工具。通过标准化图片标签 Prompt 注入机制，让大模型精准理解图片商品属性，实现“看图找同款、图文精准搜品”的商业化能力。
同时配套图片安全审核、缓存污染自愈能力，自动清理违规、脏数据商品缓存，保障电商输出合规、精准。
六、电商个性化记忆智能赋能
依托项目五路记忆+显隐双轨记忆体系，电商 Agent 可精准沉淀用户购物偏好、穿搭风格、消费习惯、历史搜索品类等个性化信息：
- 显性记忆用于对话场景个性化答疑；
- 隐性用户偏好标签仅用于模型推理，精细化优化商品推荐、检索排序；
同时配置电商行业专属分类门控，仅在购物、穿搭、美妆、家居等电商场景注入记忆 Prompt，非电商场景自动裁剪，兼顾个性化推荐效果与 Token 算力成本。
七、电商场景专属缓存与灰度体系
针对电商搜索、商品问答场景做缓存专项优化，基于用户、版本、实验组、场景多维度隔离缓存，彻底解决电商 A/B 测试的缓存串扰问题。同时联动内容安全审核结果，仅合规商品结果落地缓存，规避违规商品、劣质内容复现问题。
支持电商新功能、新算法、新 Prompt 的灰度放量，可低成本验证商品匹配、推荐策略优化效果，快速迭代商业化能力。
八、电商 Agent 落地价值
- 商业化提效：智能精准商品匹配、多模态搜品能力，大幅提升种草转化、用户购物咨询体验；
- 算力降本：四级短路决策前置拦截无效推理，大幅降低电商场景模型 Token 消耗与算力成本；
- 体验提质：个性化记忆+多样性蛇形合并，解

案例展示

电商搜索agent

我主要负责小红书电商Agent的Planner、Summarizer链路优化与模型评估、知识蒸馏全流程工作。持续迭代多版Planner/Summarizer提示词体系，优化电商搜索意图理解、工具调用决策、多轮上下文推理与结果摘要生成逻辑。搭建大模型SFT数据采集流水线，完成Que
xhs搜索多源载体混排

项目简介：负责小红书核心搜索业务 SearchMix 智能混排系统研发与优化，系统基于 Ark 服务框架与 DAG 流水线架构，支撑社区笔记、商品、广告、直播等多源内容的统一分流、特征建模、价值排序与智能混排，承载平台主搜、评论搜、简化混排等全场景搜索流量，通过多版本 Beam