阿里云阿里云智能-技术专家-AI搜索 - Elasticsearch Serverless
任职要求
1. 本科及以上学历，计算机相关专业，3年以上大规模分布式系统研发经验； 2. 精通Java/Go/C++等编程语言，具备扎实的编程功底和良好的系统设计能力； 3. 具备独立主导复杂分布式系统或基础平台核心模块的架构设计与持续优化的能力，有成功落地经验； 4. 对分布式系统有深刻的理解，在以下至少一个领域有深入实践：高并发、高可用、资源调度、中间件、分布式存储、搜索引擎； 5. 具备良好的责任心、出色的沟通、问题分析与解决能力，能有效推动复杂项目的执行与落地。 具备以…
工作职责
我们是阿里云 Elasticsearch Serverless 产品研发团队，致力于通过架构与产品的深度创新，重塑搜索分析服务，让搜索更简单： 1. 参与 Serverless 平台核心系统（如管控、调度、高可用等）的架构设计与持续演进，提升系统的稳定性、可扩展性与性能表现； 2. 设计并优化产品的核心能力，包括但不限于智能弹性体系，通过智能预测、调度算法、混部能力等手段，持续提升资源的自动化效率与成本效益； 3. 深入 Elasticsearch 内核，持续攻坚在存算分离与池化架构下的性能、隔离、成本等关键技术难题，构筑产品的核心技术壁垒； 4. 主导场景化解决方案的设计与落地，将底层技术优势转化为用户价值，如研发智能慢查询诊断、一键查询优化等产品化能力，探索并实践 RAG 等 AI 能力深度融合方案； 5. 构建并完善产品的全栈可观测性体系，保障大规模集群的稳定运行，提升自动化问题定位与恢复的效率。
阿里云AI搜索引擎团队致力于构建下一代大模型驱动的AI原生搜索引擎，兼顾技术深度与业务价值实现，探索研究业界最新的搜索技术。在这里您将经历大模型带来的搜索技术变革以及超大规模分布式搜索、海量数据实时处理、复杂业务变化和创新带来的全方位技术挑战和机遇。参与包括但不限于大模型搜索引擎内核、AI搜索存储中间件、超大规模分布式搜索引擎等方面的架构设计与技术优化。用AI搜索技术帮助数以百万计的企业变革搜索体验和拉动业务增长。 您将承担以下核心职责： 1、结合业界最新的大模型技术、多模态技术和搜索引擎技术，设计和研发下一代AI搜索引擎内核，保持技术先进性并兼容开源生态； 2、设计和实现面向AI搜索场景的多模态数据存储中间件，负责攻关海量多模态数据低成本存储和高性能访问，内存与磁盘结合的混合存储等技术； 3、将大模型技术和搜索引擎技术相结合，利用大模型技术提升数据处理质量、优化搜索效果、革新搜索使用体验； 4、持续优化超大规模多模态数据在各业务场景的搜索效果和性价比，将新引擎落地到不同的业务场景。
阿里国际内部集大模型研究及智能化前沿产品研发于一体的AI部门；自研面向跨境商贸增强的多语言大模型-Marco和多模态大模型-Ovis，依托全球化的AI基础设施和算力资源，帮助AliExpress、Lazada、阿里巴巴国际站、Trendyol、Daraz 等平台全面革新跨境电商全链路的经营体验和商业效率；目前已服务超50万商家，平均日调用量已突破10亿次，覆盖营销、客户服务、商品发布、设计、合规等60+应用场景；正在基于自研的大模型与工程技术，打造新一代的智能体（Agent）和智能引擎（Deep Research）产品，持续致力于让全球商业没有语言障碍，用智能帮助跨境贸易更加简单。 该职位负责构建高性能、可扩展的搜索引擎工程架构，优化搜索效果，支持多模态搜索能力，打造行业领先的搜索产品； 工作职责 1、负责搜索引擎相关系统研发，打造高性能、低成本、多场景的搜索产品 2、设计并实现搜索系统分布式架构，确保系统的高可用性、高性能和可扩展性 3、构建支持多模态（文本、图像、视频）检索的搜索系统架构，推动多模态搜索能力落地 4、负责搜索服务端的开发工作，优化索引构建、查询处理等核心环节 5、与算法团队紧密协作，将搜索算法能力高效集成到工程系统中，实现搜索效果持续优化 6、构建搜索效果评估体系，设计A/B测试框架，通过数据驱动方式持续提升搜索质量 7、保障搜索系统的稳定性与性能，解决高并发、大规模数据处理等工程挑战，支撑复杂业务场景
1.参与和负责芝麻企业助手中核心场景的AI搜索推荐系统实现和全链路优化，包括搜索结果页、SUG、相关搜索、个性化推荐内容信息流Feed等模块。通过实现搜推系统机制与策略、结合业务特性，提升流量效率和平台用户体验； 2.持续优化Query理解（包括但不限于意图识别、实体识别、语义纠错、查询词改写与扩展）、索引、相关性、精排和重排等环节的效果，设计并迭代新一代多路召回架构，融合传统倒排索引、向量化检索、及大模型生成式召回等； 3.以优化用户体验与提升业务价值为目标，主导AI搜索推荐应用落地，如利用大模型进行Query理解增强、搜索结果摘要生成、Dense、Sparse召回优化、个性化产品推荐理由生成、生成式排序、搜索架构的大模型统一升级等，并解决高并发、低延迟、高可用等工程化挑战； 4. 持续跟踪搜推领域前沿进展和业界先进应用，主导关键技术的预研与规划，并推动其在业务场景中落地，产出创新型成果。
1. 设计、开发和优化大规模高可用的智能搜索系统，持续提升检索效率与用户体验； 2. 深度参与AI模型（如召回、排序、理解、重排等）在在线搜索服务的集成、部署与性能调优； 3. 搭建和完善数据处理与特征工程链路，支持大规模数据的高效流转与特征管理； 4. 参与搜索系统的架构设计与工程实现，包括分布式服务、索引构建、检索优化、缓存加速与横向扩展等； 5. 联合算法、产品、前后端等多团队协作，推动AI搜索相关功能的快速落地； 6. 建立完备的监控、日志、报警与追踪体系，保障服务的稳定性、可观测性与高可用性； 7. 积极跟进行业搜索与信息检索前沿技术，持续推动创新和最佳实践在系统中的落地。