2027校招-AI软件开发工程师

搭建智能交付流水线： 深度参与 Jenkins、GitLab CI 等 CI/CD 流水线的建设与优化。将静态检查、自动化测试、制品打包、发布验证标准化、自动化。

用代码定义效能： 使用 Python/Shell/Go/Node.js 等语言开发自动化工具与效能平台，连接代码、构建、部署等数据孤岛，实现研发过程的可观测、可分析、可追溯。

探索 AI for DevOps： 这是你的核心高光区！你将参与 AI Agent、大模型在研发场景的落地建设（如知识库、Skills/CLI、Trace评测），将其应用于 Issue 诊断、AI Coding、Code Review、根因定位等真实工程任务。

云原生与一线排障： 深入容器化与云原生交付实践（Dockerfile、K8s YAML、Pod排查）。面向研发团队提供一线支持，解决构建失败、依赖冲突等硬核问题，并沉淀为技术知识库

背景门槛： 计算机、软件、AI、自动化、通信等相关专业。

工程基础： 扎实的计算机基础（网络、数据结构与算法）；熟练在 Linux 环境下开发、分析日志和排查问题；熟悉 Git 协作与 CI/CD 核心理念。

代码能力： 掌握 Python / Shell / Groovy / Go / C/C++ / Node.js 中至少一种，能独立编写脚本、工具或服务，具备良好规范。了解 SQL 及关系型数据库，懂 NoSQL 更佳。

AI 热情： 对 LLM、AI Agent、AI Coding 或开发者工具有强烈兴趣，愿意将模型能力与软件工程方法结合。

底层特质： 极强的自驱力与责任心。面对陌生问题能主动查阅资料、分析日志、完成验证；并且乐于将解决过程沉淀为文档，帮助团队减少重复挖坑。 加分项（非硬性，拥有其一即极大概率脱颖而出）

流水平替： 实习或个人项目中完整搭建过 Jenkins / GitHub Actions / GitLab CI 流水线（覆盖测试到发布）。

云原生实操： 玩转 Docker / Kubernetes，能独立写 Dockerfile、排查 Pod 状态。

AI 极客： 有 AI Agent / LLM应用 / RAG开发经验，熟悉 Claude Code、Cursor 等前沿 AI Coding 工具。

效能/基建专精： 开发过自动化运维工具、效能平台、CLI 工具；或熟悉 Prometheus/Grafana、ELK 等可观测性组件；或涉猎过 PyTorch/CUDA/GPU 软件栈构建。

开源贡献者： 在 GitHub/Gitee 有公开项目、PR 贡献或持续的技术博客输出。 你将获得

真实战非拧螺丝： 拒绝打杂，直接在真实研发环境中操盘 CI/CD、自动化运维与 AI Agent 的工程落地。

复合型技术跃迁： 在资深工程师 1v1 带教下，快速成长为兼具“软件工程 + DevOps + AI 应用”的稀缺型工程师。

算力与前沿触觉： 深度接触最新的 AI Coding 实践，站在大模型重塑软件工程周期的最前沿