快手
大模型数据引擎工程师
大模型数据引擎工程师
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Faiss
Vllm
分布式计算
大模型
数据工程
值不值得投
77综合评分
综合评分 77
前沿AI数据基础设施岗位，技术挑战大、成长空间高，但办公模式未明确、WLB可能一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.3万
比数据工程中位数高
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 2600 个在招 · 其中数据工程 18 个
市场机会
选择面较广
北京 · 数据工程 · 约 120 个在招
职位详情
关于这个职位
该职位负责构建生成式大模型的数据基础设施，参与agentic数据生产体系的研发，解决大规模分布式计算、海量存储和推理优化等核心架构难题
工作涉及与算法团队协作，通过数据驱动提升模型迭代效率
最低要求
计算机及相关专业本科及以上学历
扎实掌握至少一种系统语言（C++/Go/Rust/Java）及Python，有课程项目或实习中的系统开发实践，对吞吐/延迟/资源成本有基本体感
对以下某一方向有浓厚兴趣和扎实基础，愿意深入钻研（方向说明见下方）
具备抽象思维：能把复杂问题拆解为清晰的模块与接口，有意识地追求'好用、可复用、可观测'的设计
善用 AI-coding 与大模型工具，认同 agentic 研发理念
沟通务实，乐于跨团队协作，尊重相邻方向的专业判断
工作职责
参与打造生成式大模型的数据基础设施，构建高性能、分布式、可扩展的数据系统，通过数据驱动模型生产，让海量数据场景下的算法迭代又快又稳
参与构建 agentic 数据生产体系：将数据基建能力封装为 agent 可靠调用的工具与服务，参与研发数据链路的编排与运行框架——让数据管线的搭建、运维、排障逐步由 agent 自主完成
在导师带领下攻坚以下领域之一的核心架构难题：大规模分布式计算与调度 / 海量多模态存储 / 跨模态检索 / 大规模批量推理优化等
参与建设数据管线的无人值守能力与全链路可追溯：作业级容错与自愈、自动化质量监测、数据版本化与血缘、数据实验归因体系
与算法、数据交付团队紧密协作，共同定义算子与数据服务的接口标准，以 Co-Design 方式共同提升模型效果
优先资格
方向长板（以下四选一，至少一个方向达到深入理解水平）：
分布式计算与调度：深入理解 Ray/Spark/Flink 之一的架构与调度机制，有课程实验或实习中的大规模数据处理实践
了解 Kubernetes 批调度、GPU 调度者优先
存储与数据湖：理解对象存储/数据湖/分布式缓存的核心设计，有海量数据读写的实践或课程项目经验
了解数据版本化或血缘系统者优先
检索与索引：理解向量检索引擎（Faiss/Milvus 等）或倒排/多维索引的原理，有 ANN 建库或检索调优的实践
了解跨模态检索（文搜视频/以图搜视频）者优先
推理优化：理解 vLLM/SGLang/TensorRT 类推理框架的核心机制，对动态 batching、量化加速、显存与吞吐调优有实践认知
了解视觉/多模态模型推理优化者优先
加分项（各方向通用）：
有多模态/视频数据处理相关经验（视频编解码、GPU 视频处理管线、BMF/Ray Data 类框架）
参与过知名开源项目，或有高水平论文（CVPR/ICCV/ECCV/NeurIPS/ICML 等）
有ACM/ICPC、Kaggle 等竞赛获奖经历
有相关方向的大厂实习经历
AI 洞察
优缺点分析
优点
- 大平台资源丰富，有导师带领，成长路径清晰
- 技术难度高，需深入钻研核心架构问题
- 项目可能涉及快速迭代，工作节奏较快
- 跨团队协作要求沟通能力强
- 适合计算机相关专业本科及以上学历、对大数据和AI基础设施有浓厚兴趣、具备扎实系统开发实践、愿意深入技术攻坚的求职者
缺点 / 挑战
- 参与前沿AI数据基础设施项目，技术挑战性强，能快速提升分布式系统和大模型工程能力
角色解读
- 从初级工程师成长为技术专家或架构师，可向系统架构师、技术负责人或AI基础设施领域专家方向发展
- 构建高性能数据系统以支持大模型训练，开发agentic数据生产工具，优化分布式计算和推理管线，与算法团队协作定义数据接口
- 掌握系统编程语言（如C++/Go）和Python，深入理解分布式计算、存储或推理优化任一方向，具备抽象思维和AI工具使用能力
申请策略
- 研究快手在AI和数据基础设施领域的公开技术分享或论文，了解公司业务方向，在面试中展示对岗位的理解和技术热情
- 突出系统开发项目经验（如分布式系统、数据处理），展示AI工具使用或agentic相关实践，列出开源贡献、论文或竞赛获奖经历
- 针对方向长板（如Ray/Flink、vLLM等）进行深入学习和实践，熟悉大模型数据处理工具链，提升抽象设计和跨团队协作能力
面试指南
- 使用STAR方法（情境、任务、行动、结果）描述项目经验
- 结合技术原理深入解释实践经验
- 设计问题时从模块化、可观测性等角度展开
- 请描述一个你参与的系统开发项目，重点说明你的角色和解决的技术难题？
- 你对分布式计算或推理优化有什么实践经验？如何理解agentic数据生产体系？
- 如何设计一个可扩展的数据管线来处理海量多模态数据？
- 你如何使用AI-coding工具提升开发效率？
- 在跨团队协作中，你如何与算法工程师沟通数据接口需求？
职位点评
薪资福利80
成长发展85
工作生活60
使命价值80
薪资福利
80较高
该职位为上市大厂技术岗，薪资水平可能具有竞争力，但JD未明确披露薪资和福利细节。
薪资信号未披露（AI估算：2.5千–4万/月）
成长发展
85较高
职位涉及前沿大模型数据基础设施，技术栈现代，提供导师带领和深入钻研机会，有利于技能快速成长和职业发展。
技术前沿前沿/新兴技术
技术栈大模型、分布式计算、推理优化、agentic、数据工程
业务类型ambiguous
工作生活
60中等
JD未明确提及办公模式或工作时间安排，无法判断远程或弹性工作可能性；大厂技术岗通常工作节奏较快，WLB可能一般。
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
80较高
大模型和AI数据工程处于高速增长赛道，创新性强，但职位聚焦技术实现，社会影响力相对间接。
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）
Watch Jobs