中国电信
【2027校招】PaaS运维工程师-向量数据库方向
【2027校招】PaaS运维工程师-向量数据库方向
发布于 2 天前普通员工/个人贡献者
全职员工仅现场办公IT运维
IT运维
Diskann
Go
Hnsw
Ivf
Rag
向量数据库
值不值得投
73综合评分
综合评分 73
央企平台，前沿向量数据库技术，发展空间大，但WLB未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
2万
与IT运维中位数基本持平
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
约 2100 个在招 · 其中IT运维 约 230 个
市场机会
选择面较广
北京 · IT运维 · 52 个在招
职位详情
关于这个职位
作为中国电信的PaaS运维工程师（向量数据库方向），你将参与基于Milvus的向量数据库平台架构设计与核心研发，负责存储引擎、索引构建、查询优化等关键模块的开发与性能调优，并支撑RAG、Agent Memory等AI场景的混合检索需求
该岗位要求2027届硕士，具备扎实的编程基础和Milvus深度使用经验，是进入AI基础设施领域的优质校招机会
最低要求
届硕士及以上学历，计算机、软件工程等相关专业
熟练掌握C++/Go/Java/Rust中至少一门语言，具备扎实的数据结构与算法基础
必须具备Milvus实际开发或深度使用经验，熟悉Milvus整体架构（包括Coordinator、DataNode、QueryNode、IndexNode等核心组件及读写链路）
了解ANN检索算法（HNSW/IVF/DiskANN）或向量量化技术（PQ/RaBitQ），有Faiss/Triton等向量推理引擎使用经验者优先
工作职责
参与基于Milvus的向量数据库平台架构设计与核心研发，负责存储引擎、索引构建（HNSW/IVF/DiskANN）、查询优化等关键模块的开发与性能调优
参与向量检索全链路优化，包括索引策略选型、量化压缩（PQ/RaBitQ）、检索参数调优、多路召回与精排等
参与混合检索架构设计与实现，支撑向量检索与全文/标量检索的融合查询，服务RAG、Agent Memory、多模态检索等AI场景
参与Milvus版本迭代、网关服务、数据同步组件开发，保障大规模生产集群的高可用与稳定性
跟踪向量检索与AI基础设施前沿技术，持续提升产品竞争力
优先资格
加分项：有Elasticsearch / Qdrant / pgvector等同类系统经验
有ACM/ICPC获奖经历或高质量开源贡献
有RAG / Agent应用落地经验
AI 洞察
优缺点分析
优点
- 中国电信作为大型央企，平台稳定，福利完善，职业发展路径清晰
- 向量数据库是AI基础设施的热门方向，技术含量高，市场前景广阔
- 参与核心研发，能积累分布式系统、索引算法等硬核技能
- 校招岗位，培养体系完善，适合应届生成长
- 作为央企，可能节奏相对稳健，创新速度不如互联网公司
- 适合对向量数据库和AI基础设施有浓厚兴趣，具备扎实编程基础，且希望稳定发展的应届硕士
缺点 / 挑战
- 技术门槛高，要求Milvus深度经验，对新手可能有一定压力
- 工作可能涉及大规模集群运维，需要应对高可用和稳定性挑战
角色解读
- 从向量数据库研发工程师起步，逐步成长为AI基础设施领域的专家
- 可向架构师方向发展，负责大规模分布式系统的设计与优化
- 有机会深入AI前沿领域，如RAG、多模态检索，成为技术领军人物
- 参与向量数据库平台的核心研发，包括存储引擎、索引构建和查询优化，确保高性能和稳定性
- 负责向量检索全链路优化，涉及索引策略、量化压缩和参数调优，提升检索效率和准确性
- 设计并实现混合检索架构，支持向量与全文/标量检索的融合，服务于RAG、Agent Memory等AI应用
- 跟踪前沿技术，参与Milvus版本迭代和组件开发，保障生产集群的高可用
- 精通至少一门编程语言（C++/Go/Java/Rust），具备扎实的数据结构和算法基础
- 深入理解Milvus架构，包括Coordinator、DataNode、QueryNode、IndexNode等核心组件
- 熟悉ANN检索算法（HNSW/IVF/DiskANN）或向量量化技术（PQ/RaBitQ），有Faiss/Triton经验更佳
- 了解Elasticsearch、Qdrant等同类系统，或有RAG/Agent应用经验是加分项
申请策略
- 关注中国电信的校招流程，提前准备笔试和面试
- 了解公司AI战略和向量数据库业务方向，面试中展现兴趣
- 突出Milvus相关项目经验，详细描述你在索引构建、查询优化中的具体贡献
- 强调编程语言熟练度，展示数据结构和算法竞赛获奖或开源贡献
- 如果有RAG或Agent应用经验，务必提及，体现AI场景落地能力
- 列出参与过的分布式系统或数据库相关项目，展示系统设计能力
- 深入学习Milvus源码，理解其架构和核心组件，可尝试贡献代码
- 熟悉ANN算法和量化技术，通过实践掌握HNSW、PQ等实现
面试指南
- 对于技术问题，采用STAR法则：情境、任务、行动、结果，突出你的具体贡献
- 对于架构设计题，先明确需求，再分模块阐述，最后讨论权衡和优化
- 对于经验类问题，强调实际成果和量化指标，如性能提升百分比
- 请详细解释Milvus的读写链路，包括Coordinator、DataNode等组件的作用
- 如何选择索引策略？HNSW和IVF的优缺点是什么？
- 描述一次你优化向量检索性能的经历，具体做了什么？
- 如何设计一个支持混合检索的架构？
- 谈谈你对RAG应用的理解，向量数据库在其中扮演什么角色？
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
中国电信作为大型央企，薪资福利稳定，但具体薪资未披露，可能处于市场中等水平。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及前沿向量数据库技术，技术成长空间大，但JD未明确提及晋升或培训机制。
技术前沿前沿/新兴技术
技术栈Milvus、HNSW、IVF、DiskANN、PQ、RaBitQ、RAG
业务类型ambiguous
工作生活
50较低
工作地点在北京西城区，可能通勤便利，但JD未提及工作模式，无法判断WLB。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
向量数据库是AI基础设施的重要方向，行业前景好，但社会影响力一般。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs