AI平台运维工程师

1. 01

   平台架构设计和开发: 主导公司运维平台（CMDB、运维作业、可观测等）的架构设计和开发。

2. 02

   系统集成: 对接第三方开放平台、监控系统、仓管系统、采购系统等。

3. 03

   跨团队协作: 和运维团队、采购团队、研发团队深度协作，不断完善运维开发需求。

【任职要求】

1. 01

   本科及以上学历。

2. 02

   较好的 Python/Golang 等开发能力，扎实的工程能力。

3. 03

   对运维体系有较全面的认知，深入理解运维流程。

4. 04

   熟悉CMDB、工单系统等运维平台。

5. 05

   较好的沟通能力和理解能力。

【加分项】 1.3年以上一线运维经历，深知运维痛点。

2. 02

   熟悉SRE体系。

3. 03

   成熟运维平台开发经历

1. 01

   需要写代码的时候就写代码，需要调硬件的时候就调硬件，需要设计架构的时候就画架构图。

2. 02

   不局限于"这是我的分工"或"这不是运维该做的事"。

3. 03

   把全部精力放在解决问题和加速AGI实现这两个最终目标上。 所以我们称这个岗位为"不像运维的运维"——你的角色会随着问题的需要而流动。今天你在优化GPU网络通信，明天可能在设计自动化故障恢复系统，后天可能在帮算法团队排查一个诡异的显存溢出。边界由问题定义，不由岗位定义。

【你将要面对的挑战】 这不是一个"按手册操作"的岗位。你会面对很多前人从未走过、文档也没写过的事情：

1. 01

   让十万卡集群像一台电脑一样稳定：大模型训练动辄数周，任何单点故障都可能让数万元算力白白消耗。你需要设计系统，让整个集群具备自愈能力——哪怕天天有硬件在坏，训练也不能停。

2. 02

   在"快"与"稳"之间找到平衡：算法同学每天迭代多个版本，资源调度需要极度灵活。你需要让实验速度足够快，同时生产环境足够稳——这两个目标天然冲突，你的工作就是在夹缝中找最优解。

3. 03

   把"黑盒"变透明：大模型训练是一个巨大的黑盒。你要做的，是让每一帧GPU利用率的波动、每一次NCCL通信的延迟抖动、每一次checkpoint保存的耗时变化，都可观测、可追溯、可解释。

4. 04

   探索无人区：随着模型规模继续扩大，现有的调度系统、网络协议、存储方案可能都会失效。你需要保持对前沿技术的敏感，敢于尝试没人试过的方案。

【我们期待的素质（而非"经验要求"）】

1. 01

   对AGI的真实热情：不是为了高薪或风口而来，而是真的觉得"造出AGI"这件事值得你投入数年的时间。

2. 02

   拆解问题的逻辑能力：遇到模糊的故障（"训练变慢了"），你能把它拆成可验证的假设，一步步缩小范围，而不是靠直觉乱试。

3. 03

   系统性的技术视野：脑子里有从"GPU计算→显存→NVLink→网卡→存储→调度"的完整地图，知道数据怎么流动、瓶颈可能在哪。

4. 04

   清晰的表达能力：能把复杂的技术问题，用简单清晰的语言讲清楚——包括写文档、画图、和跨团队沟通。

5. 05

   动手的冲动：看到一个新工具/新框架，第一反应是"拉下来跑一跑"，而不是"先看看文档再说"。我们想听你踩过的坑，不想听你背诵的文档。

6. 06

   对生产环境的敬畏：每次变更前本能地想好"怎么回滚"，每次事故后都能沉淀一份根因分析——不是应付流程，是真的想让自己和团队不再犯第二次。

【以下内容供参考（不是硬性门槛）】 如果你恰好有一些技术基础，可能会让你的初期探索更顺畅一些——但我们不会因为你不具备某一条而拒绝你，也不会因为你全部具备而录取你。素质优先。

1. 01

   熟悉Linux操作系统，理解进程、内存、文件系统、网络的基本原理。

2. 02

   接触过容器化技术（Docker/Kubernetes），理解Pod、调度、资源配额等核心概念。

3. 03

   了解PyTorch/TensorFlow的基本工作方式，能看懂常见的报错信息。

4. 04

   会用Python或Shell写脚本解决重复性劳动。

5. 05

   对RDMA/InfiniBand/GPU架构等有了解（加分，但不是必须）。

【我们能提供什么】

1. 01

   最重要的岗位：你不会从边角料做起，第一天就面对最核心的挑战。

2. 02

   极快的成长速度：因为你要解决的问题足够复杂，你的能力会被快速拉伸。

3. 03

   技术自由：用什么技术栈由问题决定，而不是由"公司标准"决定。我们鼓励尝试新工具、新方案。

4. 04

   与优秀的人同行：团队里有一群和你一样对AGI充满热情的人，你们会一起踩坑、一起填坑、一起成长。

【面试流程说明】 我们的面试不考记忆、不考背诵、不考"你用过XX几年"。 我们会让你：

1. 01

   讲一个你真正动手做过的事情（任何领域都可以，不一定是技术），追问"为什么这么做""有没有想过其他方案"。

2. 02

   面对一个你没见过的故障场景，观察你的推理路径是否清晰。

3. 03

   聊聊你对AGI的理解和想象——这不是考你，是想确认我们是不是同路人。 我们希望面试是一场双向的技术对话，而不是一场单向的技术考试。

【最后】 如果你觉得自己经验不够、背景不匹配，但逻辑清晰、爱琢磨、对AGI底层技术充满好奇——请一定投递我们。 我们相信，素质到位了，技术只是时间问题。 而AGI这条路，本来就没有人"有经验"。我们需要的是愿意一起走进无人区的同行者，而不是只会按手册操作的熟练工。 运维开发方向