岗位职责
- 参与 AI Native 数据计算引擎核心能力建设，探索传统关系计算、语义推理、多模态检索和 Agentic 执行的一体化架构。
- 设计原子化智能算子体系，支持语义过滤、知识抽取、语义 Join、智能聚合、结果校验、置信度判断等 AI Native 数据处理能力。
- 构建智能算子的工程化 harness，支持多模型适配、prompt 管理、工具调用、评测回归、失败恢复和效果持续优化。
- 研究复杂 AI 任务的 DAG 编排机制，实现任务拆解、依赖分析、并行执行、中间结果复用、异常恢复和可观测执行。
- 探索智能算子与 Scan、Filter、Join、Aggregate、Index Scan、Vector Search 等传统数据算子的混合执行与联合优化。
- 建设面向 Agentic DAG 和混合查询的成本模型与优化器，在延迟、吞吐、资源成本、模型质量、置信度和业务 SLA 之间取得最优平衡。
职位要求
- 计算机、软件工程、人工智能、数据科学等相关专业优先。
- 具备扎实的计算机基础，熟悉数据结构、算法、操作系统、分布式系统、数据库系统等基础知识。
- 对数据库、查询优化、分布式计算、大数据系统、湖仓一体、向量检索、机器学习系统或大模型应用有浓厚兴趣。
- 具备优秀的工程能力，熟悉 C++、Java、Go、Python 等至少一种编程语言。
- 对 AI Native 数据基础设施、Agent、RAG、多模态检索、模型推理优化等方向有探索热情。
- 具备较强的问题抽象能力、系统性思考能力和自驱力，愿意挑战开放性、前沿性技术问题。 加分项
- 有数据库/大数据系统内核、查询优化器、分布式计算引擎、向量数据库、检索系统相关研究或实践经验。
- 有大模型应用、Agent 框架、RAG 系统、模型评测、prompt engineering、多模型路由相关项目经验。
- 在数据库、分布式系统、机器学习系统、AI Infra 等方向有高质量论文、竞赛、开源项目或实习经历。
- 对系统性能优化、成本优化、可观测性、可靠性工程有深入兴趣。
