百度
AI-Infra开发工程师（可观测/运维平台方向）（J99647）
AI-Infra开发工程师（可观测/运维平台方向）（J99647）
发布于 大约 15 小时前普通员工/个人贡献者
北京市 / 上海市
中级经验
全职员工
仅现场办公
学历未注明
机器学习
分布式系统
GO
可观测性
AIOps
大模型
运维平台
链路追踪
AI 估算 · 25k–40k
AI-Infra方向技术栈新，百度大厂平台，薪资具有市场竞争力，中级工程师月薪约25k-40k。
职位详情
关于这个职位
该职位主要负责构建百度AI基础设施的可观测性与智能运维平台，包括日志、指标、链路数据的统一处理，以及基于AI Agent的AIOps能力中心建设
你将参与设计自动化运维闭环，推动大模型与运维融合，提升大规模分布式系统的稳定性和自愈能力
适合对AI运维、分布式系统、云原生技术感兴趣的工程师
最低要求
扎实的基础知识与工程能力：具备良好的计算机基础（操作系统、网络、数据结构等），具备一定编码能力（如 Go / Python / Java 等），能够完成基础功能开发与问题定位 -清晰的逻辑思维与问题拆解能力：面对复杂问题具备良好的分析与拆解能力，能够从现象出发逐步定位问题本质，具备以解决问题为导向的思考习惯 -良好的学习能力与技术兴趣：对云计算、分布式系统或 AI 相关方向有兴趣，具备快速学习新技术并将其应用到实际问题中的能力 -基本的软件工程意识与责任感：具备良好的代码习惯与工程意识，能够在指导下参与系统开发与优化
具备责任心与沟通能力，能够推动问题闭环
工作职责
构建统一可观测数据底座：负责日志、指标、链路（Tracing）等多维数据的采集、处理与存储体系建设，推进数据标准化与互联互通，打造统一的数据底座，支撑大规模分布式系统的可观测与运维分析能力 -设计与实现智能运维能力闭环：围绕“巡检 → 诊断 → 根因定位 → 调度止损”构建自动化运维闭环，结合规则引擎与 AI 能力，提升问题发现、定位与处置效率，推动运维从被动响应向主动治理演进 -开发 AI-Agent 驱动的 AIOps 能力中心（AIOps Platform）：负责构建以 Agent 为核心的运维平台架构，将诊断、调度、分析等能力进行标准化封装与服务化治理，形成可编排、可推理、可演进的能力体系
通过 Skill / Plugin 机制实现能力的模块化沉淀与动态扩展，支持多 Agent 协同完成复杂运维任务，持续提升平台的自动化与智能化水平 -推动 AI 与运维融合及异构资源治理能力建设：引入大模型与机器学习能力，构建智能分析、异常检测与自动诊断等核心能力，提升系统自愈与智能决策水平
同时面向 CPU / GPU / 混部等异构算力场景，建设统一的资源观测与调度支撑体系，提升资源利用率与系统稳定性 -提升平台稳定性与工程效率：通过自动化运维、发布治理、容量规划与性能优化等手段，保障平台高可用与稳定运行，并持续提升研发与运维整体效率
AI 洞察
优缺点分析
- 百度作为AI巨头，提供广阔的AI基础设施实践场景，技术前沿性高
- 接触大规模分布式系统、大模型、AIOps等热点方向，技术积累价值大
- 薪资福利有竞争力，大厂平台稳定性好，职业发展路径清晰
- 技术栈复杂，需要同时掌握运维、分布式、AI等多领域知识，学习曲线陡峭
- 大规模系统稳定性要求高，可能面临紧急故障处理压力
- BAT级别竞争激烈，需持续学习和输出成果
- 适合对技术有强烈好奇心、喜欢挑战复杂问题、愿意在AI与运维交叉领域深耕的工程师
角色解读
- 技术方向：成长为可观测性/AIOps领域专家，负责核心架构设计与演进
- 管理方向：发展为技术团队Leader，带领团队完成大型系统建设
- 跨界方向：向AI基础设施架构师发展，统筹算力、数据、模型全栈能力
- 构建统一可观测数据底座，处理日志、指标和链路数据，实现分布式系统的全面观测
- 设计并实现智能运维闭环，从巡检到诊断到根因定位再到自动止损，提升运维效率
- 开发以AI Agent为核心的AIOps平台，封装诊断、调度等能力，支持多Agent协同
- 引入大模型和机器学习，构建异常检测、智能分析等能力，并治理异构算力资源
- 扎实的编程能力，熟练使用Go、Python或Java，能独立完成功能开发
- 深入理解分布式系统原理及常用组件，具备系统设计和问题排查能力
- 对AI/机器学习有基础认知，能结合大模型进行智能化运维开发
- 良好的逻辑思维和问题拆解能力，能从现象到本质定位问题
申请策略
- 提前了解百度AI基础设施的技术生态（如PaddlePaddle、昆仑芯片），在面试中展现兴趣
- 关注业务方向：AIOps、资源调度、智能运维，准备相关场景设计
- 突出分布式系统设计、可观测性平台或运维自动化相关项目经验
- 强调编程能力（Go/Python）和系统调优案例，可附上GitHub链接
- 如有AI/ML项目经验（如异常检测、时序分析）请重点展示
- 体现问题拆解和闭环推动能力，例如主导过的故障排查或效能提升案例
- 系统学习Kubernetes、Prometheus等云原生可观测性工具
- 了解大模型基础，尝试用LangChain等框架搭建Agent应用
面试指南
- 系统设计类：先明确需求和数据量，再分层阐述采集、传输、存储、查询方案，并讨论权衡
- 问题解决类：使用STAR法则，强调从现象到根因的系统性排查思路，突出数据分析工具使用
- AI应用类：结合实际场景，提出Agent+知识库+规则引擎的混合架构，并说明如何编排能力
- 如何设计一个支持百亿级日志的实时采集与存储系统？
- 介绍你在分布式系统故障排查中的一次经历，使用了哪些工具和方法？
- 请描述AI Agent在运维场景中的可能架构和交互流程
- 如何处理高并发下的链路追踪数据采样问题？
- 你对AIOps的理解是什么？最看好哪个应用方向？
匹配度报告
70
综合匹配度
大厂AI Infra岗位，前沿技术栈，发展空间大，但工作强度较高。
适合人群
适合追求技术成长和前沿方向、愿意接受一定工作强度的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展90
工作生活40
使命价值70
薪资福利匹配
80较高
百度大厂提供有竞争力的薪资福利，虽未明示但行业地位保障了补偿性回报。
薪资信号未披露 (25K-40K/月)
成长发展匹配
90较高
职位涉及大模型、AIOps等前沿技术，成长空间大，是技术加速器。
技术前沿前沿/新兴技术
技术栈Go、Python、大模型、机器学习、AIOps、分布式系统、Agent
业务类型cost_center
工作生活匹配
40较低
互联网大厂运维开发岗位通常工作强度较大，且JD未提及弹性工作安排。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
AI基础设施建设对社会科技进步有正向价值，但使命感不强。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs