Pinecone Jobs In China - 13 Job Positions Available

Join the Innovative BytePlus Team As part of BytePlus, youll help enterprise customers build whats next for their business. Leveraging ByteDances cutting-edge technologies, we are devoted to developing innovative products and solutions to shape the future.

Join the Innovative BytePlus Team! As part of BytePlus, youll help both enterprises and AI-native developers build whats next for their business. Leveraging ByteDances cutting-edge technologies in AI models, agent solutions and cloud infrastructure, we are

AI应用工程师 深圳 全职 互联网 / 电子 / 网游 职位描述 帮助公司各部门实现AI流程自动化落地。进行AI工具与技术调研 持续跟踪国内外AI工具、模型、框架和平台的最新进展（包括但不限于：LLM大语言模型、AI编程工具、AI Agent框架、RAG方案、多模态模型、AI自动化工具等），建立AI工具知识库与技术雷达，定期输出评测报告和选型建议，确保团队始终站在AI技术应用的最前沿。AI Agent平台建设 参与公司AI Agent平台的架构设计与核心功能开发，包括Agent编排引擎、工具调用（Function Calling / MCP）、知识库与RAG检索增强、多Agent协作调度、上下文管理等模块，打造可复用、可扩展的企业级AI Agent基础设施。跨部门业务调研与需求挖掘 主动深入公司各部门（运营、市场、销售、产研、客服、财务、人力等），与业务负责人和一线员工深度沟通，了解业务流程、痛点和效率瓶颈，识别AI可赋能的高价值场景，形成结构化的AI需求分析报告。AI解决方案设计与落地交付 针对各业务部门的具体需求，设计端到端的AI解决方案（从Prompt工程、RAG知识库搭建、Agent工作流设计到系统集成），推动方案从PoC验证到生产级交付的全过程，确保AI应用真正用起来、有效果。AI内部布道与赋能培训 组织AI工具和方法的内部培训、Workshop、技术分享，编写AI使用手册和最佳实践文档，降低各部门使用AI的门槛，培养公司全员的AI思维和实操能力，推动全员AI化的工程文化。效果追踪与持续优化 建立AI落地效果的量化评估体系（效率提升、成本降低、质量改善等指标），持续收集反馈，迭代优化AI方案，沉淀可复用的AI应用模板和方法论，形成公司级的AI能力资产。平台产品化与抽象能力 从各业务线的AI需求中提炼共性能力，反哺AI Agent平台的功能迭代方向，推动平台从项目制交付向产品化自助服务演进，降低AI应用开发的边际成本。 职位要求 计算机科学、软件工程、人工智能或相关专业本科及以上学历，具备扎实的计算机基础。3年以上软件开发或技术相关工作经验，有跨部门协作或业务需求对接的实际经历，不要求一定是纯研发岗位，但需要具备一定的编码能力。熟练使用Python（必备），了解至少一门后端语言（Go / Java / Node.js 其一为佳），能独立完成API集成、数据处理脚本、简单的Web应用或Agent Demo搭建。对AI/LLM生态有深度认知和使用经验——熟悉主流大模型（GPT / Claude /

【27届校招】通用智能AI平台研发工程师 北京、上海、广州 正式 研发 - 算法 通用智能板块 职位描述 小鹏通用智能AI数据闭环平台团队，负责构建支撑百万级路采数据、千卡GPU集群的自动驾驶，具身智能数据与AI基础设施。从路测车辆上每秒产生的GB级传感器数据和多模态具身智能传感器数据，到最终训练出能够应对复杂城市道路的感知/预测/决策模型——我们打造的平台是这一切的底座。你将与国内顶尖的分布式系统、AI基础设施、自动驾驶算法工程师并肩工作，直面PB级数据处理、大规模分布式训练、大模型辅助标注等前沿技术挑战。真实场景，海量数据：你将处理来自摄像头、LiDAR、毫米波雷达、GPS/IMU等多传感器的真实路采和数采数据，规模达到PB级——这不是课堂作业，而是工业级挑战。前沿技术，深度应用：VLM自动化标注、Milvus向量检索、流批一体架构、GPU集群调度……你接触的不是纸上谈兵的技术，而是正在重塑行业的关键能力。完整链路，全局视野：从数据接入→清洗治理→特征提取→模型训练→推理部署→数据回流，你将有机会参与到AI平台的全链路建设中，理解自动驾驶数据闭环的每一环。高速成长，快速扛事：27届校招专属培养计划，mentor一对一引导，但绝不只让你做边角料——我们希望你尽快独立负责核心模块的研发与优化。方向一：大规模数据处理开发高可靠的ETL数据处理流水线，处理车载传感器数据（摄像头图像、LiDAR点云、GPS轨迹、CAN总线信号等）基于Spark/Flink优化数据清洗、转换、聚合任务，持续提升云端数据处理的吞吐与稳定性构建多模态Embedding生产流水线，支持CV/NLP模型对海量数据的分布式特征提取探索基于VLM（视觉语言模型）的自动标签生成方案，减少对人工标注的依赖，加速算法迭代构建驾驶场景的语义索引系统，支持复杂语义检索（如“夜间雨天前车急刹”“高架桥上旁车近距离切入”）方向二：数据建模与治理设计多源异构数据仓库的分层模型（ODS/DWD/DWS/ADS），支撑感知、预测、规划等算法的训练数据需求构建数据血缘与元数据管理体系，确保每一帧训练数据的来源、处理过程与版本都可追溯制定多模态数据的向量化规范（图像/点云/文本的Embedding标准），为后续检索与训练提供高质量特征输入方向三：AI平台架构与优化搭建数据湖仓一体架构（基于Iceberg/Delta Lake + StarRocks/Doris），兼顾数据湖的灵活性与数据仓库的查询性能开发高性能特征向量数据库（基于Milvus/Pinecone或自研引擎），支撑亿级向量的低延迟检索持续优化存储与计算性能（分区策略、压缩算法、缓存机制），探索流批一体、存算分离等新架构的落地设计高效的数据存储、分区与读取策略（Parquet/ORC），优化存储与网络I/O，保障训练与推理的数据吞吐方向四：分析工具与可视化开发BI数据看板，实时监控数据质量及自动驾驶核心指标（感知准确率、接管率、场景覆盖率等）提供多模态检索接口，支持通过文本描述（如“从左后方快速切入的摩托车”）检索对应的驾驶场景视频片段 职位要求 1、2027届硕士/博士毕业生，计算机、软件工程、人工智能、自动化、电子信息等相关专业2、扎实的编程基础，熟练掌握 Python/C++/Java/Scala 中至少一门语言，有良好的工程习惯与代码质量意识熟悉至少一项大数据处理框架（Spark/Flink）或深度学习框架（PyTorch/TensorFlow）3、对自动驾驶场景有基本认知和浓厚兴趣——你不一定懂感知算法细节，但要理解数据对算法训练的价值加分项（满足1-2项即可，非硬性要求）1、有数据仓库建模或数据湖（Iceberg/Delta Lake/Hudi）实际使用经验2、熟悉分布式计算原理，有Spark/Flink任务性能调优经验3、了解Kubernetes及GPU虚拟化技术，有集群资源调度相关实践4、使用过Milvus、Weaviate、Pinecone等向量数据库，或对向量检索算法（HNSW/IVF）有研究5、熟悉VLM/多模态模型（如CLIP、LLaVA、Qwen-VL等），有特征提取或模型微调经验6、有自动驾驶相关数据集（nuScenes/Waymo/Argoverse）的处理经验在ACM、Kaggle、天池等编程/数据竞赛中取得过优异成绩7、有高质量技术博客或开源项目贡献收获1、有竞争力的薪酬与校招专属福利包（薪资面议，对标一线互联网/自动驾驶公司）2、真实的工业级技术挑战，你的代码将直接运行在千卡GPU集群和PB级数据湖上3、技术广度与深度的双重成长，在数据工程、AI基础设施、分布式系统、多模态模型等方向持续积累4、广阔的成长空间：团队技术氛围浓厚，鼓励技术分享、论文阅读与创新探索，支持将前沿成果转化为实际生产力5、清晰的校招培养路径：入职前3个月mentor带教，半年内逐步独立负责核心模块，1年内具备技术owner能力 投递...

【27届校招】智能座舱算法工程师（大模型，北京/上海） 北京、上海 正式 研发 - 算法 通用智能板块 职位描述 1、参与大模型相关核心算法的研发、迭代优化与业务落地，涵盖模型预训练、微调、Prompt / 对齐优化、RAG 检索增强、多模态融合等关键能力的工程化与落地应用；2、跟进大模型、强化学习、多模态等领域的前沿技术(顶会论文 / 开源项目 / 行业主流方案), 通过实验对比与方案迭代，解决模型泛化性、推理精度、场景适配等核心问题；3、参与数据闭环工作：数据集构建、清洗、标注、质量管控与持续迭代，完成模型训练、评测、复盘全流程，输出规范的实验文档与技术报告；4、协同团队完成算法测试、业务实验与项目推进, 保障大模型相关项目高效落地与持续迭代。业务方向: 大模型算法 / 语音多模态算法 / Agent 与记忆系统 职位要求 1、硕士及以上学历，计算机科学、人工智能、数学、电子工程、自动化、语音语言学等相关专业；2、基础能力:-扎实的机器学习 / 深度学习理论基础 (Transformer、Attention、Loss 设计、训练范式)-熟练使用 PyTorch 等主流深度学习框架，有实际模型训练 / 调优经验-熟练 Python, 具备扎实的工程实现能力-良好的数学基础(概率论、线性代数、最优化)3、学习能力:

SummaryAt Apple, new ideas have a way of becoming great products, services, and customer experiences very quickly. Bring passion and dedication to your job and theres no telling what you could accomplish. Do you love problem

大模型应用开发专家 北京 全职 互联网 / 电子 / 网游 - 研发 职位描述 1. 架构设计与开发：负责基于大模型（LLM）的复杂应用系统架构设计与核心代码实现，确保系统的高可用性、高并发性与可扩展性。2. 后端与AI工程化：精通Python/Java后端开发，构建高性能、高可用的AI服务接口；深度集成LangChain、LlamaIndex等AI框架，实现业务逻辑与大模型能力的无缝对接。3. AI技术落地：主导RAG（检索增强生成）系统的优化、Agent（智能体）任务编排及多轮对话逻辑的实现，提升AI在实际业务场景中的响应准确率与用户体验；主导GraphRAG（知识图谱增强检索）与向量检索的深度融合，负责复杂知识关联的建模与查询优化。4. 中间件与基础设施：负责向量数据库（如Milvus/Pinecone/Weaviate）、图数据库（如Neo4j/NebulaGraph）、缓存、消息队列等中间件的选型、集成与维护。5. 协同与工程化：与模型团队紧密配合，推动模型接口协议标准化，负责AI服务的CI/CD、监控告警及生产环境的稳定运行。 职位要求 1. 计算机、软件工程、电子信息等相关专业本科及以上学历，5年以上后端开发经验，其中至少2年专注于AI应用开发。2. 精通Python后端开发，具备扎实的编程能力、数据结构与算法功底，熟悉异步编程及性能优化；深入理解RAG与Agent开发，能熟练运用LangChain、LlamaIndex、LangGraph等框架解决复杂业务问题。3. 深入理解大模型生态，有实际的大模型应用落地项目经验，熟悉Function Calling、Tool Use等Agent核心技术。4. 熟悉常用后端技术栈，包括但不限于MySQL、Redis、Kafka、Docker/K8s等，具备构建高可用服务的工程能力。5. 知识图谱与检索增强：深入理解知识图谱在RAG场景下的落地路径，熟悉NebulaGraph、Neo4j等主流图数据库的使用及查询语言（如Cypher/nGQL）。6. 语义建模能力：掌握实体识别（NER）、关系抽取（RE）等知识构建技术，具备将非结构化数据转化为结构化知识库的实际项目经验。7. 掌握向量数据库的使用与原理，了解语义搜索、重排序（Rerank）等RAG关键技术。8. 具备优秀的工程化思维，能解决复杂系统中的稳定性、并发及安全问题。加分项1. 有高并发、大流量分布式系统开发经验者优先。2. 同时掌握Python和java生态，有大规模后端系统开发经验者优先。3. 熟悉模型部署工具（如vLLM, TGI, TensorRT-LLM）或有模型微调工程经验者优先。4. 在GitHub有知名AI相关开源项目贡献，或在技术社区有深度技术分享。5. 具备Prompt Engineering高级技巧，能够通过调优显著提升应用端效果。

高级算法工程师（NLP方向） 北京 社招 全职 职位 ID：A198542 职位描述 1. 负责 NLP 相关任务的算法建模与优化，包括文本分类、情感分析、实体识别、语义理解、视频内容理解等模块，确保能够快速准确地从海量文本数据中提取有价值的信息，为预警、趋势分析等应用提供坚实技术支撑。2. 深入研究社媒数据特点，探索适合的 NLP 模型架构与算法策略，针对社媒文本的复杂性（如网络用语、多领域话题交织等），不断改进现有模型，提高模型泛化能力，使其能够应对多样化的社媒渠道数据变化。3. 进行标注标准制定，协同标注人员构建高质量数据集，为算法训练提供基础数据，同时基于反馈数据持续优化算法效果，以数据驱动算法迭代。4. 跟踪行业前沿技术动态与研究成果，如将大语言模型，多模态模型等应用于舆情分析场景。5. 协助开发团队将算法成果工程化落地，确保模型在实际监测系统中的高效稳定运行，参与算法性能的测试与评估工作，及时解决上线过程中出现的技术难题，保障系统稳定性。 职位要求 1. 计算机科学与技术、统计学、数学、自动化、车辆工程、电子工程等相关专业，拥有8年以上NLP算法开发的经验。2. 熟练使用CUDA、TensorRT等加速库，具备高性能计算优化经验3. 熟悉机器学习、深度学习、统计学等算法与大模型的微调技术（如 LoRA）和部署流程，具备 Prompt 调优的经验，能够根据业务需求设计和优化 Prompt，提升模型的性能和输出质量。4. 集成 Weaviate、Chroma、Pinecone、Milvus 等向量数据库，优化Agent的长期记忆能力，并熟悉 MemGPT、LangMem、Zep 等Memory管理框架，实现高效的Agent记忆存储与检索。5. 熟悉 Dify、FastGPT 等Agent开发工具，能够阅读和优化其代码。掌握 FlowRAG、LangChain，能够构建高效的检索增强生成系统。6. 熟悉 MCP协议，具备

NLP / LLM 应用工程师 北京 社招 全职 职位 ID：A99270 职位描述 1.负责Agent大模型能力层建设，包括Prompt工程体系设计、RAG检索增强生成、上下文工程优化。2.搭建企业知识库的Embedding Pipeline，实现高质量语义检索。3.设计和优化Agent的意图识别、对话管理、知识问答等核心NLP能力。4.负责Agent评测体系落地：构建评测数据集（Golden Dataset）、设计评测指标（Faithfulness、Answer Relevancy、Context Precision等），实现自动化评测流水线。5.探索多模型路由策略（国内外大模型混合调用），平衡效果与成本。 职位要求 1.本科及以上学历，2年以上LLM应用开发经验，重落地非纯研究。2. 精通Python，有真实LLM应用上线经验（非Demo级别）。3.熟悉RAG、Embedding、向量检索全链路，有向量数据库使用经验（Milvus/Chroma/Pinecone）。4.有Agent/RAG评测经验：熟悉RAGAS、DeepEval、TruLens、PromptFoo中至少一种评测框架。5.熟悉LangChain/LlamaIndex/LangGraph等LLM应用开发框架。6.熟悉主流大模型API（OpenAI、Anthropic、通义千问、文心等）。7. 对生成质量和推理成本敏感，能系统化评估与优化模型效果。8.了解Genspark搜索Agent的RAG架构、Manus的多步推理评测方法者加分。 投递...

Some careers have more impact than others. If you’re looking for a career where you can make a real impression, join HSBC and discover how valued you’ll be. We are currently seeking an experienced professional to

Some careers have more impact than others. If you’re looking for a career where you can make a real impression, join HSBC and discover how valued you’ll be. We are currently seeking an experienced professional to

At Roche you can show up as yourself, embraced for the unique qualities you bring. Our culture encourages personal expression, open dialogue, and genuine connections, where you are valued, accepted and respected for who you are,