
小红书
Dots-Data-Centric AI Infra工程师
Dots-Data-Centric AI Infra工程师
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Agentic Ai
Ai Infra
值不值得投
76综合评分
综合评分 76
顶尖大厂核心AI基建岗,技术极具挑战性与发展前景,但工作强度可能较高
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
5.5万
比数据工程中位数高
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 2440 个在招 · 其中数据工程 14 个
市场机会
选择面较广
北京 · 数据工程 · 约 190 个在招
职位详情
关于这个职位
负责小红书Dots大模型训练全链路的数据基建,包括千亿级数据存储、万卡级数据处理引擎及多模态数据治理系统的设计与落地
需构建高性能DataLoader和Agentic数据合成平台,保障大规模训练时的数据加速与稳定性,打通从数据发现到反馈的闭环基础设施
最低要求
Data Infra/AI Infra出身,在基模团队/基模部门的Infra/平台团队有过数据相关的经验
在Data相关领域有业界影响力(开源社区、业界技术分享、顶会论文)
经验:1~3年的为主,其次为3~5年,且在大模型领域至少为2年以上
工作职责
负责Dots大模型训练全链路中的AI数据引擎和训练数据基建工作
负责设计与落地面向大模型训练数据场景下的数据内核基建,包括千亿级数据存储和万卡级数据处理的引擎能力建设
负责设计与落地支撑大模型全链路数据工程的数据系统,包括文本、多模态、后训练数据管理和资产建设,面向混合负载和策略的数据清洗与加工,基于标量向量的混合检索分析,高效灵活的千亿级去重能力,自动化全链路的数据自我迭代的Agentic能力
负责设计与落地十万级并发下的Agentic环境合成与轨迹数据生产的数据基建与平台
负责设计与落地面向文本/多模态/DiT预训练/后训练场景下的高性能Dataloader与训练时数据系统加速和稳定性保障
面向模型持续学习与自我进化,建设统一、开放、可规模化的数据基础设施底座,打通数据发现、生产、治理、训练、评估与反馈闭环
AI 洞察
优缺点分析
优点
- 拥有顶级互联网公司的资源支持,能积累极具竞争力的项目经验
- 对职业发展有显著背书作用,尤其在AI Infra领域
- 业务需求变化快,需快速响应模型训练的新特性
- 对候选人的技术深度和广度要求极高,容错率低
- 热衷于底层系统优化、对大规模分布式系统有深厚积累的资深工程师
- 追求技术极致,愿意在高强度环境下解决世界级难题的技术极客
缺点 / 挑战
- 处于AI大模型最前沿的技术赛道,接触千亿级数据和万卡集群,技术挑战极大
- 技术栈极其复杂,需同时兼顾存储、计算、网络等多维度优化,压力巨大
角色解读
- 可向首席数据工程师、AI基础设施架构师方向发展,或转向大模型算法工程化专家
- 随着AI Agent和多模态技术的发展,该岗位在行业内的稀缺性和价值将持续提升
- 构建和维护支撑大模型训练的海量数据处理基础设施,包括存储、清洗、检索和生成系统
- 设计高并发、低延迟的数据加载引擎,确保万卡集群训练时的数据供给稳定高效
- 开发自动化工具链,实现数据的自我迭代和闭环管理
- 精通分布式系统架构设计,具备处理PB级数据的能力
- 深入理解大模型训练流程,熟悉PyTorch/TensorFlow等框架的数据接口
- 掌握向量数据库、搜索引擎及大数据处理工具(如Spark/Kafka)
- 具备极强的代码能力和系统优化经验
申请策略
- 准备详细的技术方案文档,展示如何解决类似的大规模数据工程难题
- 面试中重点体现系统设计能力和性能调优思路,而不仅仅是API使用
- 关注小红书在AI领域的最新动向和产品应用
- 突出展示处理超大规模数据(TB/PB级)的项目经验,特别是涉及高并发、低延迟优化的案例
- 强调在大模型训练数据流水线中的具体贡献,如性能提升百分比、系统稳定性指标
- 列出相关的开源项目贡献或顶会论文
- 深入研究大模型训练中的数据瓶颈问题,了解最新的Data-centric AI理念
- 强化分布式存储和计算框架的原理与实践,如HDFS、Ceph、Ray等
面试指南
- 采用STAR法则(情境、任务、行动、结果)阐述过往项目
- 重点突出量化成果(如吞吐量提升X倍,延迟降低Y%)
- 展示系统性思维,从数据产生、传输、存储、处理到消费的全链路视角进行分析
- 请描述你设计过的最大规模数据处理系统的架构,以及遇到的最大挑战是什么?
- 如何优化万卡并行训练时的数据加载瓶颈?
- 在设计千亿级数据去重系统时,你会考虑哪些关键因素?
- 如何实现数据的自动化清洗和质量评估闭环?
- 复习分布式系统经典理论(如CAP定理、一致性协议)
职位点评
薪资福利85
成长发展95
工作生活40
使命价值70
薪资福利
85较高
作为头部互联网大厂的核心技术岗位,薪资包具有极强竞争力,通常包含高额底薪、股票期权及年终奖,能满足高水平的物质回报需求。
薪资信号未披露(AI估算:4.0千–7.0万/月)
成长发展
95较高
该职位直接参与前沿大模型基础设施建设,技术栈极度前沿,能接触到行业顶尖的技术挑战和资源,个人技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Dots、LLM、Data Engine、Agentic、Multi-modal、Distributed Storage
业务类型profit_center
工作生活
40较低
互联网大厂核心研发岗位通常伴随较高的工作强度和快节奏,JD中未提及弹性工作或WLB相关福利,预计工作生活平衡压力较大。
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
通过构建高效的数据基础设施,间接推动AI技术进步和内容生态优化,具有一定的行业社会价值,但非直接的公益或民生改善类使命。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新(行业首创)
小红书 的其他在招职位
相似职位推荐
全端數據工程師
纬创资通 · 高雄市
AI 估算 · 6.5–9.5万1 小时前发布
数据技术及产品部-资源管理高级工程师-杭州
阿里巴巴 · 杭州市
AI 估算 · 3.0–5.0万2 天前发布
蚂蚁集团-本体建模工程师-杭州
蚂蚁集团 · 杭州市
AI 估算 · 2.5–4.5万3 天前发布
ATH-AI创新事业部-Agent 数据研发(AI 产品数仓方向)-Qoder
阿里巴巴 · 杭州市
AI 估算 · 3.0–5.0万4 天前发布
阿里云智能-对象存储数据湖技术专家-基于对象存储的数据湖相关技术开发
阿里巴巴 · 杭州市
AI 估算 · 4.0–8.0万4 天前发布
高德-AI 数据工程师-BI
阿里巴巴 · 北京市
AI 估算 · 3.0–5.0万4 天前发布
2027-数字化工程师(湖北)
亿纬锂能 · 荆门市
AI 估算 · 1.2–2.0万4 天前发布
Data Analytics Engineer
康宁 · 海口市
AI 估算 · 2.0–3.5万4 天前发布
Watch Jobs