阿里巴巴
阿里云智能-表格存储技术专家-杭州/北京/上海
阿里云智能-表格存储技术专家-杭州/北京/上海
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Agent架构
Nosql
Rag
分布式存储
向量检索
系统性能优化
高并发架构
值不值得投
77综合评分
综合评分 77
前沿AI存储架构、高薪高发展、技术攻坚压力大、WLB待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
9.0万
比后端开发中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 3760 个在招 · 其中后端开发 约 100 个
市场机会
选择面较广
杭州 · 后端开发 · 约 200 个在招
职位详情
关于这个职位
负责阿里云表格存储多模态数据底座的架构设计与核心研发，涵盖分布式存储、检索与向量引擎
重点优化Agent记忆与知识存储架构及海量向量数据的高并发读写性能，深度集成LangChain等AI框架提供SDK与管理控制台
同时保障PB级数据场景下的系统稳定性、多租户隔离与计量计费能力，推动存储服务向商业化产品演进
最低要求
基本要求
五年以上后端开发经验，熟练掌握 C++ 或 Java，具有扎实的计算机科学功底与丰富的系统级性能优化经验（内存管理、CPU 调优、JVM 调优、锁竞争等）
对系统设计有深入理解，能够独立负责复杂分布式系统或核心模块的架构设计与落地，在高并发、高可用场景下做出合理的技术决策
具备 AI 相关系统的研发或应用能力，在向量检索、记忆（Memory）、知识管理（RAG/知识库）、Agent 等方向中至少有一个有实际的开发或深度使用经验
掌握 AI 基础知识与提示词工程，熟练使用 AI 工具并融入个人工作流
熟悉 LLM、Embedding、向量检索等基本原理，有 AI 相关开发工具应用研发经验者优先
对技术有强烈热情和好奇心，自驱力与学习能力强
具备出色的分析与解决问题能力、沟通及团队合作能力
乐于挑战高难度技术工作，善于攻坚克难，结果导向，坚韧抗压，能够持续推动问题的解决与突破
工作职责
职位描述
负责表格存储多模态数据底座从架构设计到核心研发的全链路工作，覆盖分布式存储、检索与向量引擎
设计研发面向 Agent 的记忆与知识存储核心架构，优化向量索引与标量数据的混合存储性能，解决海量向量数据高并发写入、索引构建与低延迟检索难题，支撑海量 Agent 的高并发读写
深度集成 LangChain/LlamaIndex 等主流 AI 框架，提供契合 Agent 开发习惯的 SDK/CLI 与管理控制台，并持续优化性能与成本
负责系统在生产环境的稳定运行与持续演进，针对 AI 领域高频访问与大规模租户场景突破单机与集群性能瓶颈
构建面向百万级 Agent 实例的细粒度多租户隔离与基于向量、存储容量、QPS 等多维度的计量计费能力
建设网关侧熔断、限流、线程池隔离与服务降级机制及全方位监控告警体系，保障 PB 级数据场景下的服务稳定性与故障快速恢复，推动存储服务从技术能力向商业化产品演进
跟踪存储、检索与 AI 领域前沿技术，吸纳开源生态成果，推动产品与技术的持续演进
优先资格
加分项
深入阅读过 Elasticsearch、Lucene、Faiss、Milvus 等检索或向量领域开源系统源码
有分布式系统、文档解析、Query 预处理、Ranker 排序模型等实际开发经验
对 MongoDB、HBase、Cassandra 等 NoSQL 存储有深入应用经验，阅读过源码并精通底层原理
有核心系统技术方向负责人经验，或在知名开源项目中有持续贡献
AI 洞察
优缺点分析
优点
- 接触PB级海量数据与最前沿的AI Agent存储架构，技术栈极具前瞻性
- 依托阿里云平台资源，可参与核心商业化产品演进，职业背书强
- 直面高并发与多租户隔离场景，能积累极具竞争力的底层系统调优经验
- 需同时兼顾传统分布式存储与新兴AI向量检索，技术跨度大且迭代极快
- 适合具备深厚分布式系统功底、对AI基础设施充满热情且能承受高强度技术攻坚的资深工程师
缺点 / 挑战
- 高并发场景下故障排查压力大，对系统稳定性与容灾设计的要求极高
角色解读
- 可向首席架构师或技术总监方向发展，深耕AI基础设施与云原生存储领域
- 也可转型为AI产品经理或技术布道师，主导开源社区建设与行业标准制定
- 负责阿里云表格存储多模态数据底座的架构设计与核心代码研发，聚焦分布式存储与向量引擎优化
- 主导面向AI Agent的记忆与知识存储架构搭建，集成LangChain等框架并提供SDK与管理控制台
- 保障PB级数据场景下的高并发读写、多租户隔离与系统稳定性，推动技术向商业化产品转化
- 精通C++/Java及系统级性能调优（内存/CPU/JVM/锁），具备复杂分布式系统架构设计与高可用落地能力
- 熟悉LLM、Embedding、向量检索原理，有RAG/Agent/Knowledge Base实际研发或深度应用经验
- 掌握Elasticsearch/Faiss/Milvus等开源检索系统底层原理及NoSQL数据库内核
申请策略
- 提前研究阿里云表格存储官方文档与技术博客，准备针对高并发向量检索场景的系统设计面试题
- 突出分布式系统架构设计案例、性能调优量化成果（如QPS提升、延迟降低）
- 详细列举RAG/Agent/向量检索相关项目经验及开源贡献
- 强调高可用系统故障复盘与容量规划的实际落地能力
- 深入研读Faiss/Milvus/Elasticsearch源码，强化C++/Java底层内存管理与并发编程能力
- 补充LangChain/LlamaIndex实战开发经验，熟悉主流AI框架的扩展接口
面试指南
- 采用STAR法则阐述架构设计思路，强调权衡取舍（Trade-off）与数据指标验证
- 结合具体压测数据说明性能瓶颈定位过程与调优手段
- 展示从需求分析、方案设计、灰度发布到全量上线的完整工程闭环思维
- 如何设计支持百万级Agent实例的细粒度多租户隔离方案？
- 面对海量向量数据高并发写入，如何优化索引构建与检索延迟？
- C++/Java在JVM调优或内存管理方面遇到过哪些极端问题，如何定位解决？
- 复习分布式一致性协议（Raft/Paxos）与存储引擎底层原理
- 梳理过往高可用系统故障复盘案例，准备应对突发流量冲击的预案设计
职位点评
薪资福利82
成长发展92
工作生活48
使命价值76
薪资福利
82较高
虽JD未披露具体薪资，但作为大厂技术专家岗，整体薪酬包与福利体系通常对标市场高位水平。
薪资信号未披露（AI估算：6.0千–12.0万/月）
成长发展
92较高
深度融合AI Agent与分布式存储前沿技术，技术成长空间极大，内部技术氛围与开源贡献文化浓厚。
技术前沿前沿/新兴技术
技术栈C++、Java、向量检索、RAG、Agent、LangChain、LlamaIndex、Faiss、Milvus
业务类型profit_center
工作生活
48较低
JD未明确提及弹性工作制，技术专家岗通常面临较高交付压力与线上稳定性要求，WLB一般。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
76中等
致力于构建支撑海量AI Agent的基础设施，推动技术向商业化产品演进，具有明确的行业价值与社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs