云原生AI算力平台实习生（J99729）

优缺点分析

角色解读

• 向AI基础设施专家方向发展，深入云原生和分布式计算领域
• 积累大模型部署与优化经验，未来可转型AI工程架构师或SRE
• 在百度大平台接触核心业务，有机会转正并参与更高级别项目
• 参与构建高性能AI算力云原生平台，使用Golang和Python开发后端服务，管理台与训练调度接口
• 负责模型适配、PD分离和分布式推理的性能调优，提升推理效率
• 跟踪业界前沿技术，参与开源社区贡献，推动原生AI能力提升
• 扎实的Golang和Python编程能力，能独立开发后端接口
• 熟悉Kubernetes基本工作原理，了解AI云原生框架（如Kubeflow、Argo）优先
• 对大模型和分布式系统有浓厚兴趣，具备快速学习新技术的能力

申请策略

• 在申请材料中表达对大模型技术方向的热情和持续学习的意愿
• 关注百度AI开源项目（如PaddlePaddle、Baidu AI Cloud），展示了解
• 突出个人项目或课程中与Kubernetes、容器化部署相关的实践经验
• 强调Golang/Python后端开发的项目，尤其是涉及接口设计和性能优化的部分
• 如有模型部署或分布式系统相关经历（如课程实验、竞赛），务必重点展示
• 适当提及对开源社区的参与或贡献，体现技术热情
• 提前自学Kubernetes核心概念及Kubeflow、Argo等AI云原生框架
• 动手部署一个小型模型推理服务（如基于vLLM），熟悉推理框架

面试指南

• 对于技术原理类问题，采用“定义+关键组件+实际应用”的结构回答
• 对于项目经验类问题，使用STAR法则（情境、任务、行动、结果）组织
• 对于动机类问题，结合个人经历和技术趋势展现热情和匹配度
• 请简述Kubernetes的核心组件和工作原理
• 用Golang实现一个简单的HTTP接口，如何处理高并发？
• 你如何理解PD分离？在分布式推理中有什么优势？
• 有没有做过模型部署或优化？具体如何调优的？
• 为什么对云原生AI算力平台感兴趣？未来职业规划是什么？