京东 – 知识图谱算法工程师 职位分析和面试指导

职位描述：

主导京东物流知识图谱从架构设计到落地部署全流程，整合物流节点、运输网络、供应链数据，运用图数据库技术实现知识的高效存储与检索。​

结合大语言模型（LLM）与生成式 AI 技术，搭建人货场知识体系；负责物流数据清洗、特征工程及算法模型开发，运用大模型进行数据增强、模式识别与标签优化；基于 Transformer、图神经网络（GNN）等前沿算法，完成数据处理全流程工作，为智能调度、精准营销、反欺诈等业务应用提供底层支持。​

职位要求：

硕士及以上学历，计算机、数学等相关专业；具备知识图谱或大模型数据处理项目经验者优先。​

精通 Python 编程，熟悉 Hadoop、Spark 等大数据平台；掌握 LLM 微调、Prompt 工程、GNN 等技术；熟练使用 TensorFlow/PyTorch 框架。​扎实掌握机器学习、深度学习算法，熟悉物流业务场景；具备图数据库（Neo4j 等）、NLP 技术实践经验。

具备优秀的问题解决与跨部门协作能力，能适应高强度工作，持续关注行业技术动态。

符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信。

招聘部门：

京东

工作地点：

北京

注意：为了确保您掌握真实的招聘信息，上述信息均为原始内容。我们的“面试建议”和“模拟面试”均基于原始招聘信息设计和提供。

面试建议：

京东物流知识图谱算法工程师这个职位非常注重技术落地能力，特别是将前沿AI技术与物流业务场景结合的能力。与传统算法岗位不同，这里特别强调知识图谱与大模型的双重技术栈，以及它们在物流这个垂直领域的应用价值。面试官会重点关注你在图数据库实操、大模型微调、以及如何解决物流行业特定问题（如运输网络优化）的经验。值得注意的是，职位描述中反复出现的’落地’一词，暗示着他们需要能推动技术从实验室走向实际业务的人才，而不仅仅是理论研究。

准备面试时，建议重点准备三个维度的案例：首先是知识图谱项目，要能清晰说明数据来源、图谱构建难点和业务价值；其次是大模型应用案例，特别是Prompt工程和微调经验；最后必须准备物流相关场景的解决方案。技术问题可能会围绕GNN在物流路径优化中的应用、如何用LLM增强知识图谱等交叉领域展开。简历中建议用’业务指标提升’来量化项目成果，比如’通过知识图谱使调度效率提升X%’。面试时多使用物流行业术语，展现你对仓储、运输网络等业务的理解，这能有效区别于纯技术背景的候选人。