主分类：数据库与存储系统研发
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "向量数据库研发工程师（J99080）",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "ACG",
"location": "北京市,上海市",
"work_mode": "未披露",AI生成
"job_category": "技术"AI生成
},
"company": {
"company_name": "百度",
"company_industry": "互联网 / 人工智能",
"company_size": "10000人以上",
"company_website": "baidu.com",
"company_description": "百度围绕搜索发展人工智能技术，业务涉及语音、图像、知识图谱、自然语言处理、自动驾驶和AI芯片。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 1,
"degree": "-本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "-参与 向量数据库内核能力 的设计与研发，包括但不限于：\n-向量索引结构（如 HNSW / IVF / PQ 等）的工程实现与优化\n-查询执行、召回与排序流程的性能优化\n-数据组织、Segment / Index 管理、内存与磁盘效率优化\n\n-参与 向量检索与 RAG 场景 的系统研发与优化：\n-向量 + 结构化 / 文本检索的混合检索（Hybrid Search）\n-向量召回、过滤、重排等链路的性能与稳定性优化\n\n-参与 向量数据库云化 / 平台化能力 的研发：\n-集群管理、资源调度、弹性伸缩、多租户隔离\n-高可用、容灾、监控、运维自动化能力建设\n\n-参与线上系统问题定位与性能瓶颈分析，支持核心客户场景，推动产品能力持续演进",
"requirements_text": "-任职要求\n-本科及以上学历，1 年以上后端或系统研发经验\n-熟练掌握 C++ / Go 中至少一门语言，具备良好的工程能力与代码质量意识\n-扎实的 数据结构与算法基础，理解常见索引结构、并发模型、内存管理等系统基础\n-熟悉 Linux / Unix 系统原理，具备系统级问题定位与性能分析能力\n-具备以下任一方向的研发经验（满足一项即可）：\n-数据库 / 分布式存储 / 大规模检索系统研发经验\n-向量检索、文本检索、Embedding / RAG 等相关系统研发经验\n-数据库或大数据 云平台 / 云原生系统 研发经验\n-具备良好的问题拆解与解决能力，能够主动推进复杂技术问题落地\n-具备良好的沟通能力和团队协作意识，具备 ToB 场景下的工程责任感\n\n-加分项\n-深度参与过 向量数据库 / 检索系统 / 分布式数据库 的核心模块设计\n-对 向量检索 / RAG / 检索优化 有深入理解（不仅停留在“会用”层面）\n-熟悉大模型基本原理，理解向量化、召回、上下文构建在 RAG 中的作用\n-熟悉 Milvus 向量数据库内核架构，包括但不限于 Index / Segment / Query / Storage 等模块，有源码阅读、问题定位或实际改动经验者优先\n-在数据库 / 检索 / 系统方向有高质量技术博客、开源贡献、竞赛或论文成果",
"skills": [AI生成
"C++",
"Linux",
"数据结构",
"数据库",
"团队协作",
"沟通能力",
"分析能力",
"Go",
"大语言模型",
"检索增强生成"
],
"preferred_qualifications": "加分项；熟悉 Milvus 向量数据库内核架构，包括但不限于 Index / Segment / Query / Storage 等模块，有源码阅读、问题定位或实际改动经验者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.baidu.com/jobs/detail/SOCIAL/b30d5170-3d0e-4ed3-9939-db4d68c219b2"
}
]
},
"posting": {
"posting_id": "b30d5170-3d0e-4ed3-9939-db4d68c219b2",
"post_date": "2026-04-03",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.baidu.com/jobs/detail/SOCIAL/b30d5170-3d0e-4ed3-9939-db4d68c219b2"
},
"fulltext": "向量数据库研发工程师（J99080）\n向量数据库研发工程师（J99080）\n\n基础信息\n部门：ACG\n地点：北京市,上海市\n类别：技术\n招聘人数：1\n发布时间：2026-07-21\n\n工作职责\n-参与 向量数据库内核能力 的设计与研发，包括但不限于：\n-向量索引结构（如 HNSW / IVF / PQ 等）的工程实现与优化\n-查询执行、召回与排序流程的性能优化\n-数据组织、Segment / Index 管理、内存与磁盘效率优化\n\n-参与 向量检索与 RAG 场景 的系统研发与优化：\n-向量 + 结构化 / 文本检索的混合检索（Hybrid Search）\n-向量召回、过滤、重排等链路的性能与稳定性优化\n\n-参与 向量数据库云化 / 平台化能力 的研发：\n-集群管理、资源调度、弹性伸缩、多租户隔离\n-高可用、容灾、监控、运维自动化能力建设\n\n-参与线上系统问题定位与性能瓶颈分析，支持核心客户场景，推动产品能力持续演进\n\n职责要求\n-任职要求\n-本科及以上学历，1 年以上后端或系统研发经验\n-熟练掌握 C++ / Go 中至少一门语言，具备良好的工程能力与代码质量意识\n-扎实的 数据结构与算法基础，理解常见索引结构、并发模型、内存管理等系统基础\n-熟悉 Linux / Unix 系统原理，具备系统级问题定位与性能分析能力\n-具备以下任一方向的研发经验（满足一项即可）：\n-数据库 / 分布式存储 / 大规模检索系统研发经验\n-向量检索、文本检索、Embedding / RAG 等相关系统研发经验\n-数据库或大数据 云平台 / 云原生系统 研发经验\n-具备良好的问题拆解与解决能力，能够主动推进复杂技术问题落地\n-具备良好的沟通能力和团队协作意识，具备 ToB 场景下的工程责任感\n\n-加分项\n-深度参与过 向量数据库 / 检索系统 / 分布式数据库 的核心模块设计\n-对 向量检索 / RAG / 检索优化 有深入理解（不仅停留在“会用”层面）\n-熟悉大模型基本原理，理解向量化、召回、上下文构建在 RAG 中的作用\n-熟悉 Milvus 向量数据库内核架构，包括但不限于 Index / Segment / Query / Storage 等模块，有源码阅读、问题定位或实际改动经验者优先\n-在数据库 / 检索 / 系统方向有高质量技术博客、开源贡献、竞赛或论文成果\n-参与 向量数据库内核能力 的设计与研发，包括但不限于：\n-向量索引结构（如 HNSW / IVF / PQ 等）的工程实现与优化\n-查询执行、召回与排序流程的性能优化\n-数据组织、Segment / Index 管理、内存与磁盘效率优化\n\n-参与 向量检索与 RAG 场景 的系统研发与优化：\n-向量 + 结构化 / 文本检索的混合检索（Hybrid Search）\n-向量召回、过滤、重排等链路的性能与稳定性优化\n\n-参与 向量数据库云化 / 平台化能力 的研发：\n-集群管理、资源调度、弹性伸缩、多租户隔离\n-高可用、容灾、监控、运维自动化能力建设\n\n-参与线上系统问题定位与性能瓶颈分析，支持核心客户场景，推动产品能力持续演进\n-任职要求\n-本科及以上学历，1 年以上后端或系统研发经验\n-熟练掌握 C++ / Go 中至少一门语言，具备良好的工程能力与代码质量意识\n-扎实的 数据结构与算法基础，理解常见索引结构、并发模型、内存管理等系统基础\n-熟悉 Linux / Unix 系统原理，具备系统级问题定位与性能分析能力\n-具备以下任一方向的研发经验（满足一项即可）：\n-数据库 / 分布式存储 / 大规模检索系统研发经验\n-向量检索、文本检索、Embedding / RAG 等相关系统研发经验\n-数据库或大数据 云平台 / 云原生系统 研发经验\n-具备良好的问题拆解与解决能力，能够主动推进复杂技术问题落地\n-具备良好的沟通能力和团队协作意识，具备 ToB 场景下的工程责任感\n\n-加分项\n-深度参与过 向量数据库 / 检索系统 / 分布式数据库 的核心模块设计\n-对 向量检索 / RAG / 检索优化 有深入理解（不仅停留在“会用”层面）\n-熟悉大模型基本原理，理解向量化、召回、上下文构建在 RAG 中的作用\n-熟悉 Milvus 向量数据库内核架构，包括但不限于 Index / Segment / Query / Storage 等模块，有源码阅读、问题定位或实际改动经验者优先\n-在数据库 / 检索 / 系统方向有高质量技术博客、开源贡献、竞赛或论文成果",
"standard_classification": {
"std_category_code": "T019",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}