叮!帮我看看附近到访人数最多的热干面是哪家?——我在武汉做地图后端的真香日常

当你每天点开地图,输入“从我到那儿”,屏幕马上给出路线、预计到达时间、拥堵路段、附近吃什么。这些顺滑背后,其实是一群把现实世界揉进服务接口的人。我做的就是这个“看不见但离不开”的后端:让路线规划抗住高并发,让位置检索又快又准,让算法和数据像齿轮一样卡得严丝合缝。最刺激的时刻往往出现在你以为一切都稳的时候——比如一场突如其来的暴雨,全城出行模式瞬间改变,ETA模型开始“冒汗”,大家一边观察指标一边快速调整参数、扩容、灰度,几分钟后延迟被拉回绿档,群里有人发了个“救回一城准点率”的表情包,楼下的热干面又多了一口回味。

云智研发公司是腾讯旗下的子公司,说“工程师文化”不如说“工程师胃口”:这里崇尚用代码和数据说话,问题摆在台面上拆,方案靠证据落。我们做的是云和智慧产业的底层与标准,把“云”这件事真正落在地上,能上手的硬核玩具一大堆,云计算、大数据、AI、物联网、音视频、安全,都是日常会撞见的“邻居”。我所在的地图部门把手机地图APP、出行服务小程序、位置服务、位置大数据、智驾图这些产品穿成了一串,基于八千万级的POI点位,用AI重塑所谓“时空智能”,又把微信、QQ、腾讯游戏、京东、美团、滴滴这些伙伴都拉进来,形成庞大的LBS生态。翻译成人话:我们在给现实世界加一层聪明的“坐标系”,让人更快到达,让服务更贴脸。

刚来时我也紧张得不行,但是周围同事们真的超级好相处,没有高冷的各自忙碌,有的都是路过我工位时一如老友般的寒暄。第一周修了个小bug,第一次把自己的代码灰度上线,按下回车的一秒心跳堪比蹦极。一个月后在评审会上已经能够给产品的同学提出自己的一点小建议和看法。三个月过去,我已经能从需求到设计再到落地撑起一个小模块,第一次看到真实的用户请求涌入线上,一条条数据被插入库表,成就感在此刻真正地完成了具象化。

在这儿成长的感觉挺实在。规模会逼着你形成工程直觉:一百万和一千万的并发差在纸面上只多了一个零,在线上却是完全不同的动物。指标会帮你克制“拍脑袋”的冲动:A/B实验、监控看板、埋点数据像仪表盘,告诉你该加速还是该刹车。写方案不再是为了存档,而是为了让跨团队的同学读完就能接上,评审会上大家一起把“坑”挖出来再一块儿填平。分享是习惯,午后有人拉个小群讲一讲最近的性能优化心得,晚上有人把踩过的坑写成内部文章,第二天就少了一个人会在同一个地方摔跤。

团队的气质,简单讲就是“认真做事,不装”。代码跑得比嘴快,出了问题先复现和复盘,不甩锅也不内耗。讨论可以很激烈,关系却很松弛。有人爱做性能“修仙”,有人迷服务治理,有人擅长把模型端到端落地,大家互相取经,默认彼此都想把事情做好。至于工作和生活的边界,我们更愿意把效率放前面,把熬夜当偶发事件,而不是勋章。

说说武汉。江风是真的有,湖也是真的多,东湖大得像个天然的“内存池”,周末去绕一圈能把脑袋里的临时变量都清理掉。光谷商圈热闹得像持续上线的版本迭代,永远有新店值得试错。生活成本友好,你能在离公司不远的地方找到舒服的房子,地铁一坐,通勤可控。早上“过早”是仪式感,热干面、豆皮、糊汤粉,写代码之前先把能量条拉满;晚上小龙虾配江风,debug后的成就感很容易被一盆麻辣盖过。夏天确实像CPU满载,好在办公室“散热”给力,出门的正确打开方式是避开正午。把生活放进“地图半小时圈”,你会发现选择困难症反而成为一种幸福。

如果你对后端、地图、AI这些词眼睛会亮,如果你想把位置服务做得更快、更准、更有温度,那就来看看我们吧。校招的时候把你真正做过的项目与收获写清楚,别谦虚也别夸大,面试里聊你如何定义问题、如何用数据证明方案、如何在团队里推进落地。也许很快,我们会在腾讯武汉研发中心见面,你写的那行代码,会在某个雨夜替成千上万的人少等一个红灯。

最后来几张公司露台小照片+湖景食堂干饭日常~(PS:内推码 NTAAlRN)

#腾讯云智研发2026校园招聘##我与云智#
全部评论
沾沾喜气
点赞 回复 分享
发布于 01-19 12:02 广东
冲冲冲!
点赞 回复 分享
发布于 01-15 11:41 湖北

相关推荐

最终还是婉拒了小红书的offer,厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验,都比之前好太多,开的薪资也还算过得去,这些都是让我下定决心的原因之一。但最核心的,还是抵不住对Agent的兴趣,选择了Ai Coding这么一个方向。因为很多大佬讲过,在未来比较火的还是属于那些更加垂类的Agent,而Ai Coding恰好是Coding Agent这么一个领域,本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习,也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分,确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容,基本上90%左右的内容都是AI生成的,AI代码仓库贡献率也是我们的指标之一。有人说他不好用,那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求,更别说Claude、Cursor这种目前看来Top水准的Coding工具了(叠甲:起码在我看来是这样)。所以不太区分的主要原因,还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆,他们有很多新的概念和架构提出,我们往往需要快速验证(MVP版本)来看效果。而全栈就是这么快速验证的一个手段,加上Ai Coding的辅助,目前看起来问题不大(仅仅针对Agent而言)。而且Coding的产品形态往往是一个Plugin、Cli之类的,本质还是属于大前端领域。不过针对业务后端来看,区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么?是的没错,本质上还是提示词。不过现在也衍生出一个新的Context Eneering,抽象成一种架构思想(类比框架、或者你们业务架构,参考商品有商品发布架构来提效)。本质还是提示词,但是就是能否最大化利用整个上下文窗口来提升效果,这个还是有很多探索空间和玩法的,例如Cursor的思想:上下文万物皆文件, CoWork之类的。后续也有一些Ralph Loop啥的,还有Coding里面的Coding Act姿态。这种才是比较核心的点,而不是你让AI生成的那提示词,然后调用了一下大模型那么简单;也不是dify、LangGraph搭建了一套workflow,从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事,大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的,我们ld也常把这句话挂在嘴边:“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代,懂一点还是会好一点,所以润去字节了。目前的实习生活呢,除了修一些Tools的问题,还包括对比Claude、Cursor、Trae在某些源码实现思想上的点,看看能不能迁移过来,感觉还是比较有意思。不过目前组内还是主要Follow比较多,希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场,希望能好好的吧。说不定下次发的时候,正式AI泡沫结束,然后我又回归传统后端这么一个结局了。欢迎交流👏,有不对的🙅不要骂博主(浅薄的认知),可以私聊交流
码农索隆:和优秀的人,做有挑战的事
点赞 评论 收藏
分享
LastWh1spe...:ssob真有些人和那个没睡醒一样
点赞 评论 收藏
分享
评论
2
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务