阿里云阿里云智能-向量检索内核开发-上海
任职要求
1. 计算机、软件工程、数学或相关专业； 2. 具备扎实的算法基础，熟悉图结构、哈希、排序等核心算法，熟练掌握C++、Go、Rust等语言中的一种或多种，具备扎实的系统编程能力和良好的代码风格，有开源项目贡献经验或技术博客输出者优先； 3. 熟悉主流近似近邻（ANN）算法，了解向量索引原理与性能瓶颈，能够独立…
工作职责
1. 参与向量搜索Milvus核心模块的设计与开发，包括向量索引构建、近似近邻（ANN）搜索算法优化、分布式存储与查询引擎等； 2. 针对高维向量数据，研究、设计和实现高效的索引结构和算法，并持续优化性能与内存占用，将前沿学术成果工程化落地； 3. 设计并实现高并发、低延迟的分布式向量查询服务，支持超大规模的向量检索场景，性能调优、稳定性保障及可扩展性设计，支持千亿级数据规模； 4. 参与开源项目，撰写高质量技术文档，参与代码评审，推动团队与社区技术进步。
-负责向量数据库内核特性的设计与研发 -负责向量数据库产品云平台的设计与研发 -负责向量数据库各类向量检索、RAG检索等开发和优化 -负责向量数据库日常运维和客户支持
1、负责荣耀PaaS平台自建存储中间件Redis/Elasticsearch/MQ方向平台服务的研发工作，使其具备全球多云部署、异地多活、云原生等技术竞争力，支撑荣耀公司全量应用； 2、负责自建存储中间件线上疑难问题定位分析、性能瓶颈分析、存储成本优化等解决方案设计开发； 3、洞察业务需求，承担下一代存储中间件系统的技术预研和落地，探索新技术应用，实现性能、成本的极致。
-主导 PostgreSQL 内核级功能设计与优化 -针对 AI/ML 工作负载（如向量检索、批量推理数据加载、实时特征存储）优化 PG 查询引擎与存储层 -支持扩展如 pgvector、lantern、pg_embedding 等向量插件的深度集成与性能调优 -构建下一代云原生 PG 架构（对标 Neon、Supabase） -设计并实现 计算与存储分离架构，支持秒级弹性扩缩容、按需计费、多租户隔离 -实现 数据库分支（Branching）能力，支持开发/测试/CI 场景下的瞬时克隆与版本管理 -构建基于对象存储（如 S3）或分布式日志（如 WAL-on-S3）的持久化层，保障低成本与高可用 -打造 AI-Ready 数据库服务 -为 LLM 应用提供原生支持：高效存储上下文、对话历史、向量索引与元数据联合查询 -与 AI 平台（如 ModelScope、PAI、SageMaker）深度集成，提供“数据库即特征仓库”能力 -探索在数据库内运行轻量级推理（In-Database ML）或 UDF 扩展（如 Python/Rust UDF） -高可用、智能运维与自治增强（延续并升级） -结合 AIOps 实现自动索引推荐、参数调优、异常根因分析 -支持 Serverless 模式下的冷启动优化、连接池代理、请求级资源隔离 -技术前瞻与生态引领 -跟踪 Neon、Tembo、Supabase、FerretDB 等新兴 PG 生态的技术路线 -推动开源协同，探索将内部创新回馈社区（如开源分支管理、WAL 分离组件等）
1、负责短视频多模态检索平台的研发工作； 2、针对大规模、实时、高并发等业务特点，持续对检索系统进行性能优化； 3、优化向量索引算法，提升检索效率和检索准确率； 4、利用检索平台的框架，解决业务中各种大规模向量计算的问题； 5、结合结构化检索和非结构化检索，处理复杂场景的检索问题。