小红书
PE开发工程师-AI基建
PE开发工程师-AI基建
发布于 大约 12 小时前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
本科
分布式系统
SQL
RAG
微服务
大模型
LlamaIndex
DDD
Ai工程化
AI 估算 · 35k–50k
AI基建+大厂中级岗位，技能稀缺，薪资高于普通后端，月薪35k-50k合理。
职位详情
关于这个职位
该职位负责将大模型/AI能力与小红书核心业务深度融合，设计智能化架构方案并推动落地
你将参与AI框架选型、系统架构设计与升级，与算法、产品等多团队协作
适合有3年以上Java开发经验、熟悉AI框架（LangChain等）及分布式系统、渴望在AI工程化方向深耕的工程师
最低要求
统招本科及以上学历，计算机相关专业，3年以上软件开发经验
Java基础扎实，对IO、多线程、JVM等有深入了解，熟练使用常见编程框架，并对其底层原理有深刻理解
具备扎实的系统设计能力，熟悉领域驱动设计（DDD）、微服务架构、分布式系统等，能独立完成复杂业务系统的架构设计
了解大模型相关基础知识（如 LLM 推理、向量数据库、Embedding 等），具备将AI能力与业务系统集成的工程能力
具备良好的跨团队沟通与协作能力，能将复杂技术方案清晰传达给不同背景的干系人
熟练掌握SQL，了解离线/实时数据流开发
工作职责
工作职责 1、负责将大模型/AI能力与业务系统深度融合，设计AI驱动的业务流程与智能化架构方案，推动AI能力在工程侧的落地
调研和评估主流AI框架（如LangChain、LlamaIndex、RAG框架等），结合业务场景进行选型、适配和二次开发
紧密和跨功能团队合作（包括但不限于工程、算法、数据分析、产品、策略），前瞻性地提供和落地技术方案
负责小红书核心业务的整体架构设计与演进，推动系统从单一功能向平台化、服务化方向升级
深入理解业务诉求，抽象业务模型，设计可扩展、高可用的领域架构方案，并主导落地
主导技术方案评审，制定架构规范与最佳实践，提升工程整体研发效率与系统质量
优先资格
有架构设计经验优先
熟悉主流AI/大模型框架与工程化实践，包括但不限于 LangChain、LlamaIndex、RAG、Agent、Prompt Engineering 等，有实际落地经验者优先
有大规模业务系统架构治理、平台化建设或AI工程化经验者优先
AI 洞察
优缺点分析
优点
- 站在AI浪潮前沿，深度参与大模型与业务融合，技术成长快
- 薪资待遇在互联网中上水平，大厂福利完善
- AI技术迭代快，需持续学习新框架和模型，保持技术敏锐度
- 跨团队协作频繁，需要较强的沟通和推动能力
- 系统架构复杂，对工程能力和问题排查能力要求高
缺点 / 挑战
- 小红书平台流量大，业务场景丰富，技术挑战多，积累宝贵经验
- 适合有3-5年Java后端经验、对AI工程化充满热情、喜欢挑战复杂系统设计的工程师
角色解读
- 从AI应用工程师向AI架构师或技术专家发展，深入大模型工程化领域
- 有机会参与公司级AI平台建设，积累大型分布式系统经验
- 可转向技术管理方向，带领团队负责AI基建项目
- 负责将大模型能力集成到小红书业务中，设计AI驱动流程和技术方案
- 调研并选型AI框架（LangChain、RAG等），进行二次开发和适配
- 与算法、产品、数据等多团队协作，推动AI功能落地并持续优化系统架构
- 主导核心业务系统架构设计，推动平台化、服务化升级
- 扎实的Java编程基础，深入理解IO、多线程、JVM及主流框架原理
- 熟悉领域驱动设计、微服务和分布式系统，能独立完成架构设计
- 了解主流AI框架和工程化实践，如LangChain、RAG、Agent等
- 具备跨团队沟通能力，能将复杂技术方案清晰传达
申请策略
- 了解小红书的业务和AI应用方向，在面试中体现对产品的理解
- 准备一个完整的项目案例，展示从需求到落地的架构设计过程
- 突出Java项目经验，特别是高并发、分布式系统设计案例
- 强调AI相关实践，如使用LangChain或RAG框架的项目
- 展示架构设计能力，如DDD、微服务拆分的实际成果
- 体现跨团队协作和复杂方案推动经历
- 补充大模型基础知识，如LLM推理、向量数据库、Embedding原理
- 动手实践LangChain或LlamaIndex，完成一个小型RAG项目
面试指南
- 采用STAR法则：描述项目背景、目标、你的角色、具体行动和量化结果
- 对于技术对比问题：从核心特性、适用场景、性能、社区活跃度等角度分析
- 对于设计问题：先明确需求与约束，再给出架构方案，讨论权衡和备选方案
- 请介绍一个你主导的AI相关项目，从架构选型到落地的过程
- LangChain和LlamaIndex的区别是什么？在什么场景下选择哪一个？
- 如何设计一个高可用的RAG系统？需要考虑哪些关键点？
- 在微服务架构中，如何保证分布式事务的一致性？
- 你如何评价一个AI框架的优缺点？结合业务场景说明
匹配度报告
71
综合匹配度
大厂AI基建岗，前沿技术栈，薪资中上，WLB一般。
适合人群
适合追求技术成长、愿意接受挑战的求职者，对薪资和工作强度敏感者需权衡。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利匹配
75中等
薪资处于互联网中上水平，但未明确透露具体数额和福利，整体补偿性尚可。
薪资信号未披露（AI估算：35K-50K/月）
成长发展匹配
90较高
职位涉及前沿AI技术，技能成长空间大，有架构设计机会，但JD未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈LangChain、LlamaIndex、RAG、Agent、Prompt Engineering、大模型、向量数据库、Embedding
业务类型profit_center
工作生活匹配
50较低
JD未提及远程办公或弹性工作，互联网大厂通常工作强度大，WLB一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
70中等
AI基建对社会有推动价值，小红书作为内容平台影响力大，但未明确使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs