AI Infra SRE工程师（深圳/北京）

关于这个机会

1.资源交付与工作流编排：单模型交付、DAG 编排、断点续跑、幂等补偿； 2.设计「Agent 决策 + 确定性执行」分层，高危动作（扩缩容/下架/驱逐）走可审计，可回滚的确定性工作流；Agent 触发的操作也须幂等； 3.基于 K8s client-go 的集群台账、节点生命周期、GPU 拓扑；把实态数据做成 Agent 可消费的形态（稳定语义、数据新鲜度、分页接口）；支持自然语言查询； 4.平台底座：RBAC/API 网关/公共库；建设 MCP Server 暴露平台能力；把 RBAC 扩展到 Agent 身份（权限/越权/会话过期）；Agent 调用全链路审计； 5.告警降噪与根因定位；AI 结论须附证据可追溯；Agent 运行时（工具注册、上下文装配、状态管理、重试超时）； 6.多 Agent 协作与上下文工程；建设 Evals 评测集。

任职要求

1.计算机基础扎实（数据结构、操作系统、网络）； 2.精通 Go / C++ / Java / Rust 之一； 3.熟悉 Linux、容器 、K8s 编排与 Cloud Native 体系； 4.对系统故障有好奇心，对云计算运维开发有兴趣； 5.熟练用 AI 编程工具做真实工程，能说清其不可靠场景与验证方式； 6.理解 LLM 能力边界（幻觉、上下文长度、非确定性）； 7.做过 Agent / MCP 开发（MCP Server、Agent 工作流、RAG、A2A 通信）； 8.有 AI 落地生产经验，处理过「模型不可靠但业务要确定」的矛盾； 9.理解 AI Infra（推理部署、GPU 调度、vLLM / SGLang） 体系。

内推申请说明

本站为独立内推协助平台。申请会交由管理员核实岗位与内推渠道，不等于已在公司官网投递；薪资、岗位状态和实际招聘流程以官方信息为准。