【2027】运维智能体研发工程师-郑州(J14144)

优缺点分析

角色解读

• 技术专家路线：深入AIOps领域，成为智能运维算法或平台架构方面的专家
• 技术管理路线：凭借技术深度和项目经验，逐步成长为技术团队负责人或项目经理
• 架构师路线：向更广泛的云计算、云原生或AIOps平台架构方向发展
• 设计和研发基于AI技术的智能运维监控平台，实现自动化、智能化的运维管理
• 开发运维智能体，将大模型等AI能力落地到具体的运维场景中，解决告警分析、故障定位等实际问题
• 分析复杂的业务运维需求，与产品、项目团队协作，提供技术解决方案并推动落地
• 研究和探索前沿的智能运维（AIOps）技术，并将其与开源工具（如Prometheus、Grafana）结合进行实践
• 扎实的编程基础，至少精通Python和Java/Shell中的两门语言，并熟悉Spring等主流框架
• 对深度学习和大语言模型有实际使用或项目经验（如TensorFlow、PyTorch），并能将其应用于NLP或智能运维领域
• 熟悉Linux系统运维、分布式系统原理及常见问题处理，具备良好的系统设计与问题解决能力
• 了解或熟悉Prometheus、Grafana、Zabbix等开源监控体系，对可观测性有一定认知

申请策略

• 研究中科曙光在云计算、服务器及智能计算领域的业务，理解其产品中的运维挑战和需求
• 准备一个能体现‘AI解决实际问题’思路的小项目或想法，即使不完善，在面试中也能展示你的思考
• 突出与编程语言（Python/Java）、框架（Spring）相关的课程项目或实习经历，展示工程能力
• 重点展示在深度学习、大模型（如LLM）方面的学习项目或实践经验，哪怕是小的demo
• 如果有课程设计、竞赛或个人项目涉及自动化脚本、监控系统、日志分析等运维相关内容，务必详细描述
• 强调解决复杂问题的案例，体现逻辑分析和独立设计能力
• 系统复习和加强Python/Java编程、设计模式、分布式系统等基础知识
• 动手实践，学习部署和使用Prometheus、Grafana等开源监控工具，并尝试与简单AI模型结合

面试指南

• 对于概念题（如AIOps），先给出清晰定义，再结合JD要求的‘大模型落地’、‘业务场景’举例说明，体现理解深度
• 对于问题解决类题目，使用STAR法则（情境-任务-行动-结果），重点突出你的分析过程和最终方案的效果
• 对于系统设计题，先明确核心需求和约束条件（如数据量、实时性），再分模块（数据采集、存储、分析、展示）阐述设计思路和技术选型理由
• 请介绍一下你对智能运维（AIOps）的理解，你认为大模型可以在其中扮演什么角色？
• 请描述一个你过去遇到的复杂技术问题，你是如何分析、设计和解决它的？
• 你熟悉Prometheus或Grafana吗？它的数据模型和核心工作原理是什么？
• 如果让你设计一个简单的智能告警分析系统，你会如何考虑架构和技术选型？
• 你如何理解‘运维智能体’？它与传统的自动化运维脚本有何不同？