影石创新
Devops工程师-2027校招
Devops工程师-2027校招
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Ai Agent
CI/CD
Go
Llm
Mcp
Prompt Engineering
值不值得投
薪资怎么样
2.0万
比DevOps/SRE中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 110 个在招 · 其中DevOps/SRE 2 个
市场机会
选择适中
深圳 · DevOps/SRE · 32 个在招
职位详情
关于这个职位
该岗位隶属于影石创新的研发效能团队，主要负责 CI/CD 平台、自动化工具链与研发数据度量平台的建设与优化，同时结合大语言模型与 AI Agent 技术开发代码评审、代码分析、Bug 分析与知识问答等智能研发工具，提升研发流程的自动化与智能化水平
适合对 DevOps 工程和 AI 应用开发同时感兴趣、希望深耕研发效率方向的应届毕业生
最低要求
本科及以上学历，计算机、软件工程、人工智能等相关专业
熟悉 Linux 操作系统及常用命令
熟悉 Python、Shell、Go、JavaScript 等至少一种编程语言
熟悉 Git 等版本管理工具
具备良好的编码习惯，能够独立完成模块开发
工作职责
参与研发效能平台建设，利用 AI 技术提升研发流程自动化和智能化水平
参与 AI Agent、Skill、MCP 等 AI 应用能力开发，结合研发场景落地智能工具
参与 CI/CD 平台、自动化工具及研发流程优化，提高研发效率和交付质量
基于大模型能力，开发代码分析、代码评审、Bug 分析、知识问答等研发效能应用
参与研发数据度量及可视化平台建设，为研发决策提供数据支持
协助分析和解决研发过程中的复杂问题，持续优化研发流程和工具链
编写和维护技术文档，沉淀最佳实践，推动团队知识共享
优先资格
加分项：
对大语言模型（LLM）及 AI 应用开发有浓厚兴趣，具备快速学习和实践能力
熟悉或了解 Agent、MCP（Model Context Protocol）、Function Calling、Prompt Engineering 等 AI 应用开发模式
熟悉 Claude Code、Codex、Cursor、GitHub Copilot 等 AI 开发工具，并能够将 AI 融入开发流程
了解 AI Agent 的基本架构和工作模式，如 Planning、Memory、Tool Use、Workflow 等
对 AI Coding、AI 辅助研发、研发智能化方向有持续关注
AI 洞察
优缺点分析
优点
- 岗位同时覆盖 DevOps 与 AI 应用开发，技术栈较新，能在真实工程场景中积累 LLM 落地经验
- 研发效能属于贴近研发全流程的岗位，能接触多团队、多技术栈，视野开阔
- 校招岗位有明确的培养属性，工作内容从模块级切入，上手门槛相对可控
- 所在公司为消费电子硬件企业，软硬件结合的研发场景能带来差异化经验
- 研发效能属于支撑型职能，成果往往体现在他人效率提升上，成就感需要自我驱动建立
- 同时要求传统 DevOps 能力与 AI 应用理解，学习曲线较陡，需要较强的自学能力
- AI 工具方向迭代极快，需要持续跟进新技术，容易产生知识焦虑
- 适合计算机相关专业、有较好 Linux 与编程基础，同时对 AI 应用开发和工程效率方向都有真实兴趣、愿意持续自学的应届毕业生
缺点 / 挑战
暂无明显挑战项
角色解读
- 初期以工具链与平台模块开发为主，逐步独立负责一个效能子方向（如代码智能、流水线优化）
- 中期可向 AI 研发效能专家或平台架构方向发展，成为团队内 AI 工程化的核心成员
- 长期可延伸至 DevOps/SRE 负责人、研发效能体系设计或 AI 应用工程等更宽的路径
- 负责研发效能平台的建设与迭代，把 AI 能力嵌入到 CI/CD、代码评审、Bug 分析等研发环节中
- 开发 AI Agent、Skill、MCP 等应用能力，把大模型能力封装成研发同学可直接使用的智能工具
- 搭建研发数据度量与可视化平台，用数据支撑研发流程改进与决策
- 维护工具链与技术文档，沉淀最佳实践并在团队内推广
- 扎实的 Linux 与命令行基础，熟悉 Git 版本管理与协作流程是日常工作的前提
- 至少掌握 Python/Shell/Go/JavaScript 中的一门语言，具备独立完成模块开发的编码能力
- 对 CI/CD 流水线、自动化工具链有基本认知，理解研发流程中的效率瓶颈
- 了解 LLM 应用开发模式（Agent、MCP、Function Calling、Prompt Engineering）会是显著加分项
申请策略
- 面试前了解影石创新的产品线与研发组织方式，思考研发效能在其软硬件协同开发中的价值点
- 关注岗位描述中「AI + 研发效能」的双重定位，准备一个能把两者串联起来的个人叙事
- 突出 Linux、Python/Go、Git 的实际使用经历，最好用课程项目或实习说明具体做了什么
- 写清与 CI/CD、自动化脚本、构建部署相关的项目，哪怕是小规模个人项目也比空泛描述有说服力
- 如有 LLM 应用实践（调用大模型 API、写过 Agent、用过 Cursor/Copilot 提效），务必单独列出一段
- 项目描述用「问题—方案—结果」结构，量化效率提升或解决的问题
- 补齐 CI/CD 工具链基础（如 Jenkins、GitLab CI、GitHub Actions），能独立搭一条流水线
- 动手做一个基于 LLM 的小工具，例如自动代码评审或日志分析助手，熟悉 Function Calling 与 Prompt 设计
面试指南
- 技术方案类问题用「目标—现状痛点—方案选型—验证指标」四步展开，先讲清楚要解决什么，再讲怎么做
- AI 相关问题建议结合自己动手的实例，先说实践场景，再说踩过的坑和结论，避免只背概念
- 开放性问题可以先确认边界（团队规模、技术栈现状），再给出分阶段落地思路，体现工程思维
- 你如何理解研发效能平台？如果让你优化团队的 CI/CD 流程，你会从哪里入手？
- 你在项目中有没有用过 LLM 或 AI Coding 工具？具体怎么用、效果如何、有哪些坑？
- 请解释你对 AI Agent 架构的理解，Planning、Memory、Tool Use 分别解决什么问题？
- 如果要做代码评审的 AI 助手，你会怎么设计方案？如何评估它是否有效？
- 讲一个你独立完成模块开发的经历，遇到了什么问题、怎么解决的
Watch Jobs