基于AI大模型的异构数据库智能语句改写方向研发与探索

课题背景： 随着云数据库国产化替代（去O）及 AP 架构演进，客户从 Oracle、Snowflake 等异构系统向自研数据库迁移时，海量复杂 SQL 与 PL/SQL 的语法转换及调优成为核心瓶颈。同时，数据库内核研发技术门槛极高，新人熟悉底层架构、以及基于线上工单追踪定位内核级源码缺陷的耗时巨大。本课题旨在构建深入内核层面的 Agent 系统，统一解决异构 SQL 智能转换优化与内核级问题辅助定位，全面赋能数据库研发与业务平滑迁移。 课题挑战：

1. 01

   异构复杂语法的等价转换与深度优化： 将不同方言（如 Oracle PL/SQL、Snowflake）转换为自研数据库语法，要求极高的 AST 解析与语义对齐能力。不仅要实现逻辑严格等价，还需结合内核特性给出最优的执行计划重写方案；

2. 02

   内核级源码的深度检索与精准关联： 融合海量底层 C/C++ 源码、架构文档与历史工单构建知识库。代码逻辑的向量化表征极为困难，如何在复杂的线上问题提问中，精准召回对应的底层源码与异常链路，直接定位内核态问题，是一大技术难题；

3. 03

   改写方案与内核联调的自动化验证： 面向极其复杂的异构迁移场景，缺乏现成且高覆盖率的测试集。如何利用大模型逆向生成包含边缘触发条件的 SQL以及PL/SQL 测试用例，并与内核引擎联调验证执行逻辑的绝对正确，面临严峻挑战。 具体工作： 构建内核级Agent基座，统一实现跨维度的代码理解。向上开发异构SQL、PL/SQL智能转换与优化引擎，赋能去O平滑迁移。向下融合底层源码与历史工单构建向量知识库，打造高度一体化的内核辅助研发与诊断闭环。

1. 01

   计算机科学、软件工程、电子信息等相关专业本科及以上学历；

2. 02

   熟练掌握数据结构、算法、操作系统、计算机网络等计算机基础知识；

3. 03

   熟练掌握至少一门编程语言，例如：C/C++、Java、Python、Go等；

4. 04

   具备强烈的学习意愿和能力，能够快速掌握新技术；

5. 05

   具备良好的沟通能力和团队合作精神，能够积极主动地解决问题。 此课题同时招聘应届实习生和低年级实习生。