面向多模态与Agentic 湖仓的 AI-aware 查询优化技术-阿里星/A Star

AI 正在重塑数据平台的形态。未来的湖仓系统不再只是承载人写的 SQL，也将成为 AI agent 理解数据、检索知识、规划任务、调用工具和执行决策的核心基础设施。传统查询优化技术主要围绕结构化数据，关注 CPU、IO、网络、cardinality、join order、数据分布和访问路径选择；而在 AI Native 时代，查询执行链路中会越来越多地出现 LLM 调用、semantic operator、embedding、向量检索、全文检索、多模态文档解析、RAG pipeline 和 agentic workflow。

这带来了全新的技术挑战：查询优化技术不仅要决定数据如何访问、计算如何组织、结果如何物化，还需要进一步感知和优化 模型调用成本、token 消耗、推理 latency、语义质量、向量召回率、多模态解析成本、AI 结果缓存与增量维护成本。查询优化技术正在从传统 CBO / RBO / 执行计划优化，演进为面向 AI workload 的 AI-aware 查询优化体系，成为连接数据、模型和 agent 的智能规划与执行基础。

本岗位面向阿里云湖仓 / 数仓引擎核心技术团队，聚焦 “面向多模态与 Agentic 湖仓的 AI-aware 查询优化技术”，探索下一代 AI 数据平台的核心系统能力。你将参与建设 semantic operator、AI-aware cost model、混合检索优化、多模态 AI pipeline、AI function 增量计算、Agentic智能数仓等前沿方向，让大规模湖仓系统能够更高效、更低成本、更可解释地支撑 AI agent 和多模态数据处理。

这是一个处在数据库系统、分布式系统、机器学习系统、LLM 应用基础设施和 AI Native 数据平台交叉处的前沿方向。你将有机会在真实超大规模工业系统中解决学术界和工业界都在探索的新问题，并将研究创新沉淀为产品能力、工程系统和业界影响力。

岗位职责

面向 LLM、AI function、semantic operator 和多模态 workload，研究和实现下一代查询优化能力，包括 AI-aware cost model、语义算子重写、模型调用优化、推理成本优化、结果缓存与复用等。

设计和实现 AI_FILTER、AI_CLASSIFY、AI_AGG / AI_SUMMARY_AGG、AI_EMBED、AI_SIMILARITY 等语义算子的优化能力，使 AI 计算不再只是黑盒 UDF，而是可被系统理解、规划和优化的一等计算能力。

优化向量检索、全文检索和混合检索执行路径

结合湖仓增量计算能力，探索文档解析、embedding 生成、分类、摘要、RAG 预处理等 AI function 的增量维护机制，降低多模态 AI 数据处理的计算成本和刷新延迟。

参与 Agentic AutoMV、智能数据排布、索引 / 排序 / clustering 推荐与自动应用等能力建设，探索由 agent 驱动的“发现问题—生成优化方案—自动应用—观测收益—自反馈调整”闭环。

围绕 AI-aware 查询优化技术、semantic operator、Agentic Lakehouse、多模态增量计算、混合检索优化等方向，沉淀高质量技术方案、论文、专利和系统能力，提升团队在 AI + Data Infrastructure 方向的业界影响力。