阿里巴巴
面向 AI 搜索的 Native 引擎性能优化技术-阿里星/A Star
面向 AI 搜索的 Native 引擎性能优化技术-阿里星/A Star
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公后端开发
后端开发
Rag
Simd
分布式系统
向量检索
并发编程
性能优化
搜索引擎
数据库内核
值不值得投
78综合评分
综合评分 78
阿里星顶尖技术岗、前沿 AI 检索引擎研发、薪资偏高、技术成长空间极大，但工作强度与技术挑战较高。
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
3.8万
比后端开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3080 个在招 · 其中后端开发 79 个
市场机会
选择面较广
杭州 · 后端开发 · 约 170 个在招
职位详情
关于这个职位
该职位隶属于阿里云 Elasticsearch 核心研发团队，主要负责自研云原生高性能检索引擎 FalconSeek 的核心模块设计与研发
你将深入 C++ 底层，优化全文检索、向量检索及混合检索性能，打造面向 AI 时代的新一代检索基础设施
最低要求
计算机、软件工程、人工智能、数学等相关专业优先，硕士/博士优先
具备扎实的计算机基础，熟悉数据结构、算法、操作系统、计算机体系结构、数据库或分布式系统等基础知识
熟悉 C++，具备良好的系统编程能力
同时熟悉 Java、Python、Rust、Go 等语言者优先
对搜索引擎、数据库内核、信息检索、向量数据库、高性能计算等方向有浓厚兴趣
具备较强的问题抽象、性能分析、工程实现和独立解决问题能力，愿意挑战开放性、前沿性系统问题
有良好的沟通协作能力，能够参与技术方案设计、代码评审、性能复盘和跨团队协作
工作职责
参与 FalconSeek 云原生 native 检索引擎核心模块设计与研发，包括查询执行、倒排检索、列式过滤、排序、聚合、TopK、缓存和异步执行等方向
参与 ElasticCpp 高性能 C++ 搜索引擎库建设，探索相比 Lucene、Tantivy 等开源检索内核的性能突破
参与向量检索和混合检索能力建设，优化向量索引、ANN 查询、过滤下推、召回率、延迟、吞吐和资源成本
建设和完善 benchmark 体系，围绕业界可复现的 benchmark 进行性能复现、瓶颈分析、优化验证和回归防护
面向 RAG、企业知识库、语义搜索、多模态检索等 AI 场景，推动 FalconSeek 在真实业务和云产品中落地
优先资格
有 Elasticsearch、OpenSearch、Milvus、Lucene、Tantivy、Faiss等搜索或向量检索系统经验
有数据库内核、查询执行、倒排索引、列式存储、向量索引、ANN 算法、性能优化相关研究或工程实践
熟悉 profiling、火焰图、CPU cache、SIMD、内存管理、并发编程、异步框架等高性能系统优化方法
在数据库、信息检索、分布式系统等方向有高质量论文、开源项目、竞赛或实习经历
AI 洞察
优缺点分析
优点
- 接触业界最前沿的 AI 检索基础设施（RAG、向量检索），技术壁垒极高
- 依托庞大的业务场景，能实现技术的大规模落地，个人技术影响力提升快
- 底层内核开发难度大，对 C++ 和计算机体系结构要求极高，学习曲线陡峭
- 适合对底层系统、搜索引擎或数据库内核有浓厚兴趣，具备极强 C++ 编程能力和钻研精神的顶尖技术人才
缺点 / 挑战
- 性能优化工作往往需要深入排查疑难杂症，面临较大的技术挑战和压力
角色解读
- 从底层引擎研发工程师成长为搜索引擎/数据库内核领域的技术专家
- 未来可向云原生数据库架构师、AI 基础设施技术负责人方向发展
- 深入 C++ 底层，研发和优化阿里云自研的高性能检索引擎 FalconSeek 的核心模块
- 负责向量检索、混合检索的性能调优，建设 benchmark 体系，并推动引擎在 RAG 等 AI 场景的落地
- 精通 C++ 系统编程，具备扎实的计算机基础（OS、体系结构、数据结构）
- 熟悉搜索引擎或数据库内核原理，掌握高性能优化技术（如 SIMD、并发、内存管理）
申请策略
- 阿里星计划非常看重候选人的技术深度和潜力，建议在简历中附上高质量的 GitHub 开源项目链接或顶会论文，以证明自己的技术实力
- 突出 C++ 系统编程经验、高性能计算或底层优化项目
- 详细列出在搜索引擎、数据库内核或向量检索相关的研究、开源贡献或实习经历
- 深入学习 Elasticsearch/Lucene 源码或 Milvus 等向量数据库原理
- 掌握 profiling、火焰图分析、SIMD 指令集等高级性能调优工具和方法
面试指南
- 采用 STAR 法则，重点突出“问题抽象 -> 工具定位（如 perf/火焰图） -> 根因分析（如 Cache Miss/锁竞争） -> 优化方案（如 SIMD/无锁设计） -> 收益量化”的完整闭环
- 请详细描述一个你主导的 C++ 性能优化项目，你是如何定位瓶颈并解决的？
- 在倒排索引或向量索引（如 HNSW）中，如何平衡召回率与查询延迟？
- 谈谈你对 CPU Cache 友好性设计的理解，在列式存储中如何应用？
- 如果线上引擎出现偶发的延迟毛刺，你的排查思路是什么？
- 复习 C++ 高级特性、操作系统内存管理、并发编程模型
- 准备 1-2 个自己深入研究的底层技术点（如某种索引算法的改进），并能讲透其原理和工程实现
职位点评
薪资福利85
成长发展95
工作生活40
使命价值80
薪资福利
85较高
阿里星计划提供极具竞争力的薪资，且核心业务线稳定性高，整体薪酬福利处于市场头部。
薪资信号偏高 (2.5千–5万/月)
成长发展
95较高
岗位处于 AI 搜索和向量检索的最前沿，技术壁垒极高，能接触到核心底层引擎，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈C++、Elasticsearch、向量检索、RAG、SIMD、并发编程
业务类型profit_center
工作生活
40较低
核心引擎研发和性能优化通常面临较高的技术挑战和业务压力，且 JD 未提及弹性工作或 WLB 相关福利，工作强度可能较大。
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
80较高
参与建设面向 AI 时代的新一代检索基础设施，赋能 RAG、企业知识库等前沿 AI 应用，具有较高的技术使命感。
行业发展高速增长赛道
社会影响中性/一般
使命信号面向 AI 搜索、新一代 AI 检索基础设施
创新程度开拓性创新（行业首创）
Watch Jobs