AI Native数据计算引擎：原子化智能算子、DAG 编排与混合查询优化-阿里星/A Star

加入阿里云 Hologres 团队，参与构建面向 AI Native 时代的新一代数据计算引擎。Hologres 是阿里云一站式实时数仓与湖仓一体数据引擎，支撑高并发实时写入、PB 级分析、向量检索、多模检索和在线服务等核心场景。 随着大模型、智能体和企业级 AI 应用快速发展，数据计算的边界正在从传统结构化分析，扩展到语义理解、知识抽取、语义关联、多模态检索、RAG 构建、智能 BI 和 Agentic 任务执行。我们希望探索并构建 AI Native 数据计算引擎：原子化智能算子、DAG 编排与混合查询优化，让传统数据处理、AI 推理和复杂智能任务编排能够在统一引擎内高效完成。 你将参与定义 AI Native 数据计算的新范式：抽象原子化智能算子，构建复杂 AI 任务的 DAG 编排能力，打通智能算子与传统关系算子、向量检索算子、多模检索算子的混合执行，并围绕成本、性能、质量和稳定性设计新型优化机制。 岗位职责 1. 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。 2. 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。 3. 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。 4. 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。 5. 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。 6. 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。 【任职要求】 1. 计算机、软件工程、人工智能、数据科学等相关专业优先。 2. 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。 3. 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。 4. 具备优秀的工程能力，熟悉 C++、Java、Go、Python 等至少一种编程语言。 5. 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。 6. 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 1. 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。 2. 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。 3. 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。 4. 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。