智谱
数据专家
数据专家
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公数据库管理
数据库管理
Go
Llm
Nebulagraph
Neo4J
Oceanbase
Rag
Tidb
值不值得投
72综合评分
综合评分 72
AI大模型公司的资深数据基础设施岗，技术前沿、成长性强，但地点、薪资与WLB信息未披露。
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
4.3万
比数据库管理中位数高
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 280 个在招
市场机会
选择适中
北京 · 数据库管理 · 21 个在招
职位详情
关于这个职位
负责公司分布式数据库与图数据库集群的架构设计、部署、运维和性能调优，保障全球多区域数据服务 SLA
参与数字员工平台数据架构与复杂业务建模，并探索 LLM 与数据库协同的智能运维及 Agent/RAG 数据基础设施
最低要求
年以上 DBA 经验，其中至少2年以上分布式数据库实战经验
深入理解至少一种分布式数据库（TiDB / CockroachDB / OceanBase），有大规模集群（百节点级以上）运维经验优先
熟悉图数据库原理与应用，有 Neo4j / NebulaGraph / TigerGraph 中至少一种的生产环境经验
精通 Linux 操作系统，熟练掌握 Shell / Python / Go 中至少一种脚本语言
熟悉 Prometheus、Grafana 等监控体系，有自动化运维经验
对大模型工程有基本认知，熟悉 Agent、RAG、向量数据库、工具调用等 AI 基础架构
了解大模型 Harness 工程实践，包括模型编排、多 Agent 协作、工具链路设计、知识库集成等
对 AI 赋能工作方式有热情，愿意拥抱新技术
工作职责
负责公司分布式数据库集群（TiDB / CockroachDB / OceanBase 等新一代分布式数据库）的架构设计、部署、运维与调优
负责图数据库引擎（Neo4j / NebulaGraph / TigerGraph 等主流图数据库）的选型、搭建、性能调优及日常运维
制定数据库高可用、容灾备份、弹性扩缩容方案，保障全球多区域数据服务 SLA
参与数字员工平台的数据架构设计，对复杂业务场景进行建模，给出最优存储与查询方案
建立数据库监控与告警体系，快速定位并解决线上性能瓶颈
深度参与大模型工程化落地，探索 LLM 与数据库协同的智能化运维方案（AI 辅助索引推荐、智能查询优化、异常检测、向量检索集成等）
与大模型工程团队协作，设计支持 Agent、RAG、工具调用等 AI 架构的数据基础设施
编写运维文档，制定规范流程，推动团队自动化运维能力提升
优先资格
有数据库内核开发或源码级调优经验
参与/贡献过开源数据库项目
有向量数据库（Milvus / Qdrant 等新兴向量库）或 RAG 系统经验
有知识图谱 + 大模型融合应用的实战经验
有大数据生态（Kafka / Flink / Spark）与数据库集成经验
有大模型工程平台（LangChain / LlamaIndex / OpenAI Assistants API 等主流框架）落地经验
AI 洞察
优缺点分析
优点
- 技术栈前沿：分布式数据库、图数据库与 LLM/Agent/RAG 结合，稀缺性强
- 岗位参与数字员工平台核心数据架构，能接触全球多区域 SLA 和复杂业务建模
- 公司处于大模型赛道，技术成长和影响力空间较大
- 职责覆盖架构、运维、调优、自动化，有利于形成端到端数据基础设施能力
- 要求5年以上DBA和2年以上分布式数据库实战，技术门槛高
- 需同时覆盖分布式数据库、图数据库、监控自动化和大模型工程，知识面广
- 适合有扎实DBA功底、希望从传统数据库运维转向 AI 数据基础设施的资深工程师
缺点 / 挑战
- 全球多区域 SLA 与线上性能问题可能带来运维压力，需具备较强的故障排查能力
角色解读
- 可从资深DBA/数据基础设施专家向数据库架构师、AI基础设施架构师发展
- 随着 LLM 与数据库协同深入，可积累智能运维、RAG/Agent 数据架构等稀缺经验
- 后续可转向数据平台技术负责人或大模型工程化架构岗位
- 负责分布式数据库与图数据库集群的架构设计、部署、运维和性能调优
- 制定高可用、容灾备份与弹性扩缩容方案，保障全球多区域数据服务 SLA
- 参与数字员工平台数据架构与复杂业务建模，建立监控告警和自动化运维体系
- 探索 LLM 与数据库协同的智能运维，以及 Agent、RAG、工具调用等 AI 架构的数据基础设施
- 5年以上DBA经验，至少2年分布式数据库实战，熟悉 TiDB/OceanBase 等至少一种
- 具备图数据库生产经验，如 Neo4j、NebulaGraph、TigerGraph 等
- 精通 Linux，掌握 Shell/Python/Go 至少一种，熟悉 Prometheus/Grafana 监控与自动化运维
- 理解大模型工程基础，包括 Agent、RAG、向量数据库、工具调用和 Harness 工程实践
申请策略
- 投递前确认工作城市、办公模式和值班安排
- JD仅写 China，具体地点需与 HR 核实
- 研究智谱数字员工/大模型业务，面试中表达对 AI 赋能数据库运维的理解
- 突出DBA经历，量化分布式数据库集群规模、节点数、QPS、数据量和 SLA
- 展示 TiDB/OceanBase/CockroachDB 等至少一种的部署、调优、故障处理案例
- 补充图数据库 Neo4j/NebulaGraph/TigerGraph 生产环境经验及业务建模案例
- 体现 Python/Go/Shell 自动化运维、Prometheus/Grafana 监控告警体系建设，以及 LLM/RAG/Agent 相关项目
- 系统梳理一种分布式数据库的架构、调优和故障排查，准备可讲述的实战案例
面试指南
- 用 STAR 讲清场景、规模、动作和结果，尽量量化 SLA、延迟、成本
- 技术题先给架构判断，再列排查路径和验证指标
- AI 相关题从业务问题出发，说明数据基础设施如何支撑 Agent/RAG，而不是只堆概念
- 请介绍你运维过的大规模分布式数据库集群，规模、架构、遇到的最大故障及处理过程
- TiDB/OceanBase 的存储与计算架构如何？一次慢查询或热点问题你会如何定位和优化？
- 图数据库在业务中如何选型和建模？Neo4j/NebulaGraph 生产环境有哪些坑？
- 如何设计全球多区域数据库的高可用、容灾备份和弹性扩缩容方案？
- 你对 LLM 与数据库协同的智能运维（索引推荐、查询优化、异常检测、向量检索）有什么理解或实践？
职位点评
薪资福利65
成长发展88
工作生活55
使命价值82
薪资福利
65中等
JD未披露薪资与福利，补偿性信息有限；岗位要求资深，薪酬需结合面试和城市市场确认。
薪资信号未披露（AI估算：3.0千–5.5万/月）
成长发展
88较高
岗位深度参与分布式/图数据库与 LLM、Agent、RAG 数据基础设施，技术栈前沿，成长空间大。
技术前沿前沿/新兴技术
技术栈TiDB、CockroachDB、OceanBase、Neo4j、NebulaGraph、TigerGraph、Linux、Shell、Python、Go、Prometheus、Grafana、LLM、Agent、RAG、向量数据库、Harness、LangChain、LlamaIndex
成长机会深度参与大模型工程化落地、与大模型工程团队协作
业务类型ambiguous
工作生活
55较低
JD未提及办公模式、弹性或加班安排，WLB信息不足，需面试确认值班与运维节奏。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
82较高
所处大模型与数字员工方向成长性强，技术探索感明显，但直接社会价值表述较泛。
行业发展高速增长赛道
社会影响中性/一般
使命信号让机器像人一样工作、成为全球最大的数字员工供应商、AI 不仅是工具，更是生产力革命
创新程度积极采用新技术
Watch Jobs