混元沙盒平台工程师（北京/深圳/上海）

优缺点分析

角色解读

• 向云原生基础设施架构师方向发展，成为虚拟化、容器调度或大规模集群管理领域的专家
• 可横向拓展至 AI 平台、机器学习工程（MLOps）领域，成为连接算法与工程的桥梁
• 在腾讯内部有机会晋升为技术 leader（TL），带领团队建设更具影响力的基础设施
• 建设大规模沙盒平台，支撑大模型 Agent 的评估与强化学习，负责虚拟化层（KVM/QEMU、容器）的统一编排与调度
• 解决多操作系统（Linux/Windows/macOS/Android）的环境适配问题，开发自动化回归与调试工具
• 设计网络代理、隔离与连通性方案，保障数万级并发任务的稳定性与可观测性
• 精通 Python 编程，具备复杂系统调试与问题定位能力
• 深入理解虚拟化技术（KVM/QEMU、轻量虚拟机）以及 Docker/Kubernetes 容器生态
• 熟悉大规模集群的资源管理（CPU/内存/磁盘）和任务调度，有平台工程思维

申请策略

• 在简历中强调“平台化思维”和“工程化落地”能力，例如将算法需求抽象为通用平台功能的经历
• 面试前了解腾讯混元大模型生态，思考沙盒平台在实际训练评估中的具体作用
• 重点突出虚拟化相关项目经验（KVM/QEMU/容器），以及大规模集群（千台以上）的管理或平台建设经历
• 展示 Python 编程能力，附带复杂系统调试案例（如性能优化、稳定性治理）
• 如果有开源项目贡献（如 KubeVirt、Kubernetes 相关）请特别标注
• 系统学习 KVM/QEMU 架构及容器网络（CNI），补充 Linux 内核相关知识
• 熟悉 Kubernetes 调度器原理与自定义资源（CRD），了解云原生资源池设计
• 练习系统设计题，特别是大规模资源调度和环境生命周期管理场景

面试指南

• 针对系统设计问题，先明确需求边界（规模、性能、容错），再分模块阐述架构（计算、网络、存储、监控），最后讨论权衡
• 针对排查类问题，遵循“现象→日志→复现→根因→修复→回归”的闭环思路，举例说明以往案例
• 请介绍你设计过的大规模虚拟化或容器平台，如何保证高可用和稳定性？
• KVM 和 Docker 的资源隔离机制有何异同？在沙盒场景下如何选择？
• 如何解决大规模容器集群中的网络连通性和 IP 分配问题？
• 当沙盒环境出现“环境漂移”时，如何定位和修复？
• 请设计一个支持多操作系统（Linux/Windows/macOS）的虚拟化统一接入平台
• 扎实复习 KVM/QEMU 原理、Docker 网络模式、Kubernetes 调度与网络策略