AI Infra 工程师（研发效能方向）

负责面向内部研发团队的 AI Infra 建设，承担本地大模型推理服务的架构设计、部署、性能优化和稳定运行，为规模化 AI Coding 提供基础支撑。

建设和优化 GPU、Kubernetes、模型推理框架及 AI 网关能力，解决模型接入、资源调度、弹性扩缩、限流配额、可观测性和成本控制等问题。

深入研发流程，将 AI Coding、智能代码审查、自动化测试、问题诊断等能力与现有研发工具链和 DevOps 平台集成。

建设模型服务和研发平台的 CI/CD、自动化测试、发布门禁、灰度及回退能力，提升交付效率和系统质量。

建立模型效果、推理性能和平台运营指标，通过数据持续优化模型服务、研发流程和开发者体验

计算机相关专业本科及以上学历，具备 3 年及以上 AI Infra、平台工程、DevOps、SRE 或相关研发经验。

具备大模型本地化推理部署的实际项目经验，能够独立完成模型部署、性能测试、容量评估和运行问题排查。

熟悉 vLLM、SGLang、TGI、TensorRT-LLM 等至少一种模型推理框架，了解并发、批处理、KV Cache、量化、显存占用、吞吐和时延等关键因素。

熟悉 NVIDIA GPU、Linux、Docker 和 Kubernetes，具备 GPU 资源调度、容器化部署和模型服务运维经验。

熟练掌握 Python、Go 或 C++ 中至少一种语言，具备平台功能和自动化工具的实际开发能力。

熟悉 GitLab、CI/CD、监控告警和自动化发布等 DevOps 工具链，能够推动研发流程标准化和平台化。

具备较强的问题分析和工程落地能力，能够从研发实际痛点出发推动方案实施，并对最终效果负责。 优先考虑 - 有企业内部 AI Coding 或大模型私有化部署经验。 - 有多 GPU、多节点推理服务或 GPU 集群建设经验。 - 有 AI 网关、模型路由、Token 限流、配额及成本治理经验。 - 有模型评测、推理压测、容量规划和性能优化经验。 - 有研发效能平台、开发者平台或大型 DevOps 平台建设经验。 - 有 Prometheus、Grafana、OpenTelemetry、DCGM 等可观测性实践。 - 有智能代码审查、自动化测试、问题诊断等 AI 研发效能工具建设经验