AI智能运维工程师（基础设施）

优缺点分析

角色解读

• 深耕AI运维领域，成为智能运维专家，主导企业级AIOps平台建设
• 向AI架构师或技术总监发展，负责AI在基础设施领域的整体规划
• 横向拓展至其他AI应用场景，如智能客服、风控等，拓宽职业路径
• 将AI技术（如大模型、RAG）应用于基础设施运维，实现智能故障诊断和根因分析
• 构建运维知识库和智能化问答系统，将运维经验结构化，提升故障响应效率
• 设计开发自动化故障响应与决策系统，减少重复性工作，提升运维智能化水平
• 扎实的运维或SRE经验，熟悉IaaS架构和硬件/逻辑层关联
• 掌握大模型原理及应用，熟悉提示词工程、RAG、微调等技术
• 具备知识库构建和智能化系统开发能力，能将运维经验转化为AI可用的知识

申请策略

• 了解平安的金融科技业务和AI战略，在面试中展现对行业痛点的理解
• 准备一个完整的AI运维案例，从问题定义到技术选型再到落地效果
• 突出运维或SRE项目经验，特别是故障诊断、根因分析等场景
• 强调AI相关项目，如大模型应用、知识库构建、RAG系统开发等
• 展示将AI应用于实际运维问题的成果，如提升效率、减少故障时间等量化指标
• 深入学习大模型原理和RAG技术，动手实践构建知识库和问答系统
• 补充运维自动化工具（如Ansible、Terraform）和监控系统（如Prometheus）的使用经验

面试指南

• STAR法则：描述情境、任务、行动、结果，突出技术选型和量化成果
• 技术对比法：比较不同方案（如RAG vs 微调）的优劣，展示决策能力
• 请描述你如何将大模型应用于故障根因分析？
• 你如何构建运维知识库？如何保证知识的准确性和时效性？
• 请举例说明你如何设计一个自动化故障响应系统？
• 你熟悉哪些大模型微调技术？在运维场景中如何选择？
• 如何评估AI运维系统的效果？有哪些关键指标？
• 复习大模型基础知识，特别是RAG、提示词工程和微调技术