主分类：数据工程与数据平台研发
辅助：AI训练推理与计算优化（仅展示）
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": "大模型数据引擎工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "J1020"AI生成
},
"company": {
"company_name": "快手科技",
"company_industry": "内容社区 / 直播 / 电商 / 人工智能",
"company_size": "10000人以上",
"company_website": "kuaishou.com",
"company_description": "快手是内容社区与技术平台公司，业务覆盖短视频、直播、电商、本地生活与 AI 应用。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机及相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "大模型数据引擎工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-08-12\n\n岗位职责\n1、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；\n2、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；\n3、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；\n4、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；\n5、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。\n\n任职要求\n1、计算机及相关专业本科及以上学历；\n2、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；\n3、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）；\n4、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；\n5、善用 AI-coding 与大模型工具，认同 agentic 研发理念；\n6、沟通务实，乐于跨团队协作，尊重相邻方向的专业判断。\n方向长板（以下四选一，至少一个方向达到深入理解水平）：\n1、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；\n2、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；\n3、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；\n4、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。\n加分项（各方向通用）：\n1、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）；\n2、参与过知名开源项目，或有高水平论文（CVPR/ICCV/ECCV/NeurIPS/ICML 等）；\n3、有ACM/ICPC、Kaggle 等竞赛获奖经历；\n4、有相关方向的大厂实习经历。",
"requirements_text": "大模型数据引擎工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-08-12\n\n岗位职责\n1、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；\n2、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；\n3、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；\n4、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；\n5、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。\n\n任职要求\n1、计算机及相关专业本科及以上学历；\n2、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；\n3、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）；\n4、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；\n5、善用 AI-coding 与大模型工具，认同 agentic 研发理念；\n6、沟通务实，乐于跨团队协作，尊重相邻方向的专业判断。\n方向长板（以下四选一，至少一个方向达到深入理解水平）：\n1、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；\n2、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；\n3、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；\n4、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。\n加分项（各方向通用）：\n1、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）；\n2、参与过知名开源项目，或有高水平论文（CVPR/ICCV/ECCV/NeurIPS/ICML 等）；\n3、有ACM/ICPC、Kaggle 等竞赛获奖经历；\n4、有相关方向的大厂实习经历。",
"skills": [AI生成
"Python",
"Java",
"C++",
"Rust",
"Kubernetes",
"Spark",
"Flink",
"团队协作",
"招聘",
"Go",
"大语言模型"
],
"preferred_qualifications": "了解 Kubernetes 批调度、GPU 调度者优先；了解数据版本化或血缘系统者优先；了解跨模态检索（文搜视频/以图搜视频）者优先；了解视觉/多模态模型推理优化者优先；加分项（各方向通用）：",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13457?recruitSubProjectCodes="
}
]
},
"posting": {
"posting_id": "13457",
"post_date": "2026-08-12",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://campus.kuaishou.cn/recruit/campus/e/#/campus/job-info/13457?recruitSubProjectCodes="
},
"fulltext": "大模型数据引擎工程师\n大模型数据引擎工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-08-12\n\n岗位职责\n1、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；\n2、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；\n3、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；\n4、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；\n5、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。\n\n任职要求\n1、计算机及相关专业本科及以上学历；\n2、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；\n3、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）；\n4、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；\n5、善用 AI-coding 与大模型工具，认同 agentic 研发理念；\n6、沟通务实，乐于跨团队协作，尊重相邻方向的专业判断。\n方向长板（以下四选一，至少一个方向达到深入理解水平）：\n1、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；\n2、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；\n3、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；\n4、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。\n加分项（各方向通用）：\n1、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）；\n2、参与过知名开源项目，或有高水平论文（CVPR/ICCV/ECCV/NeurIPS/ICML 等）；\n3、有ACM/ICPC、Kaggle 等竞赛获奖经历；\n4、有相关方向的大厂实习经历。\n大模型数据引擎工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-08-12\n\n岗位职责\n1、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；\n2、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；\n3、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；\n4、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；\n5、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。\n\n任职要求\n1、计算机及相关专业本科及以上学历；\n2、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；\n3、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）；\n4、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；\n5、善用 AI-coding 与大模型工具，认同 agentic 研发理念；\n6、沟通务实，乐于跨团队协作，尊重相邻方向的专业判断。\n方向长板（以下四选一，至少一个方向达到深入理解水平）：\n1、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；\n2、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；\n3、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；\n4、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。\n加分项（各方向通用）：\n1、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）；\n2、参与过知名开源项目，或有高水平论文（CVPR/ICCV/ECCV/NeurIPS/ICML 等）；\n3、有ACM/ICPC、Kaggle 等竞赛获奖经历；\n4、有相关方向的大厂实习经历。\n大模型数据引擎工程师\n\n基础信息\n招聘项目：全部校招\n招聘类型：校招\n职位类别：J1020\n工作地点：北京\n发布时间：2026-08-12\n\n岗位职责\n1、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；\n2、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；\n3、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；\n4、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；\n5、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。\n\n任职要求\n1、计算机及相关专业本科及以上学历；\n2、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；\n3、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）；\n4、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；\n5、善用 AI-coding 与大模型工具，认同 agentic 研发理念；\n6、沟通务实，乐于跨团队协作，尊重相邻方向的专业判断。\n方向长板（以下四选一，至少一个方向达到深入理解水平）：\n1、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；\n2、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；\n3、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；\n4、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。\n加分项（各方向通用）：\n1、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）；\n2、参与过知名开源项目，或有高水平论文（CVPR/ICCV/ECCV/NeurIPS/ICML 等）；\n3、有ACM/ICPC、Kaggle 等竞赛获奖经历；\n4、有相关方向的大厂实习经历。",
"standard_classification": {
"std_category_code": "T016",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}