中国电信
算法工程师（AIOps方向）
算法工程师（AIOps方向）
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算法工程师
算法工程师
Aiops
Pytorch
因果推断
图神经网络
大语言模型 (Llm)
时序分析
智能运维
根因分析
知识图谱
值不值得投
79综合评分
综合评分 79
央企平台、前沿AIOps技术栈、高成长潜力、工作稳定性强
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较职业起点。
薪资怎么样
1.6万
比算法工程师中位数低
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 1970 个在招
职位详情
关于这个职位
该职位面向2027届硕士毕业生，专注于AIOps（智能运维）方向的算法研发
主要工作包括基于多源可观测数据构建故障诊断、异常检测及根因定位等核心算法，并结合大模型与图神经网络技术优化运维自动化能力，推动算法在云平台及生产环境中的落地应用
最低要求
届硕士研究生，计算机、人工智能、软件工程、统计学、模式识别、数学、自动化等相关专业
具备扎实的机器学习、深度学习、数据挖掘和统计建模基础，熟悉常见算法原理、特征工程方法、模型训练评估流程及适用场景
熟悉 AIOps 典型算法方向，包括时序异常检测、日志模板挖掘、指标聚类、相关性分析、根因分析、故障预测、告警降噪、因果推断、图算法等
熟悉 Python 及常用数据科学 / 机器学习工具链，如 Pandas、NumPy、scikit-learn、PyTorch、TensorFlow、SQL、Spark 等
了解大模型技术及其在运维场景中的应用，熟悉 Fine-tuning、Loop Engineering、RAG、Agentic 应用、LLM 评测或智能决策链路
有真实业务场景下通过 AI 解决质量、效率、安全、稳定性问题的经验，能将算法方案从实验验证推进到生产落地
具备良好的问题抽象、数据分析、实验设计和工程协作能力，能够围绕业务目标定义指标、拆解问题、验证假设并持续迭代
工作职责
负责 AIOps 智能运维方向的算法研发与落地，面向云平台、业务系统、基础设施和运维数据，建设智能诊断与自动化运维能力
围绕指标、日志、链路追踪、事件告警、调用拓扑、资源数据等多源可观测数据，开展数据清洗、特征提取、时序建模、日志挖掘、异常检测和趋势预测
研发故障早期发现、异常实例识别、告警收敛、故障预测、根因定位、影响面分析、故障路径推断、智能巡检和辅助决策等核心算法
结合大模型、知识图谱、图神经网络、因果推断、时序分析、强化学习等技术，提升复杂系统故障诊断的准确率、可解释性和自动化程度
参与 LLM 驱动的 AIOps Agent 设计与研发，通过多 Agent 协作解决复杂场景下的故障定位、问题归因、变更分析、操作建议生成与运维闭环执行
建设 AIOps 评估体系与 Benchmark，包括故障注入、真实案例复现、受控实验、评测数据集、指标体系和回归验证链路，持续量化算法效果
与 SRE、运维、云平台、工程、产品和业务团队协作，将算法能力集成到监控告警、可观测平台、运维平台、DevOps 流程和自动化处置系统中
跟踪 AIOps、LLM for Ops、智能可观测、云原生运维等领域前沿技术，完成算法调研、复现、优化和业务落地，沉淀可复用算法组件与解决方案
AI 洞察
优缺点分析
优点
- 技术栈前沿：直接应用LLM、Graph Neural Networks等最新技术解决实际问题
- 平台优势：依托中国电信海量数据和庞大基础设施，拥有极佳的数据规模和落地场景
- 稳定性强：央企背景，提供稳定的职业发展和完善的福利保障
- 人才成长：校招专项培养，有助于快速积累工业级AI项目经验
- 适合对智能运维感兴趣、具备扎实AI理论基础且希望在大厂平台积累工业级落地经验的应届硕士毕业生
缺点 / 挑战
- 数据治理复杂：运维数据通常噪声大、异构性强，数据清洗和特征工程难度较高
- 落地压力大：算法需在高可用要求的运维场景中实时生效，对稳定性和可解释性要求极高
- 跨部门协作：需与SRE、运维等多团队紧密配合，沟通成本和业务理解门槛存在挑战
角色解读
- 成为AIOps领域的资深算法专家，主导智能运维架构设计和技术攻关
- 向AI Infra或SRE开发方向发展，深入底层运维平台建设与效能提升
- 晋升为技术负责人或项目经理，带领团队探索LLM in Ops等前沿方向
- 研发AIOps核心算法，如故障预测、根因定位和异常检测，解决运维痛点
- 结合大模型（LLM）和图神经网络等技术，构建智能运维Agent，实现自动化故障处理
- 处理多源可观测数据（日志、指标、链路），进行特征工程和模型训练，提升诊断准确率
- 搭建算法评估体系，与SRE和工程团队协同，将算法落地到生产运维平台
- 扎实的机器学习/深度学习基础，精通Python及主流AI框架（PyTorch/TensorFlow）
- 深入理解AIOps领域算法，如时序分析、因果推断、图算法和日志挖掘
- 掌握大模型应用技术，包括Fine-tuning、RAG及Agent开发，了解其在运维场景的落地
- 具备优秀的工程落地能力，能将算法从实验转化为生产环境可用的稳定服务
申请策略
- 关注中国电信在数字化转型和云网融合方面的战略重点，理解其运维痛点
- 准备具体的项目案例，重点阐述如何定义问题、选择算法、评估效果及最终的业务价值
- 突出与AIOps相关的科研项目或实习经历，特别是涉及时序数据、异常检测或根因分析的项目
- 强调大模型应用经验，展示在Fine-tuning、RAG或Agent开发方面的具体实践和成果
- 体现工程落地能力，描述如何将算法模型部署到生产环境，并解决性能或稳定性问题
- 深入学习图神经网络（GNN）在依赖关系分析和根因定位中的应用
- 掌握LLM在垂直领域（如运维知识库）的微调和Agent编排技巧
- 加强大数据处理技能，熟悉Spark等分布式计算框架在海量日志处理中的应用
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，重点突出个人贡献和技术难点突破
- 技术深度：不仅回答“怎么做”，还要解释“为什么这么做”，对比不同方案的优劣
- 业务视角：将技术方案与业务价值（如MTTR降低、可用性提升）挂钩，体现产品思维
- 请详细介绍一个你参与的基于时序数据的异常检测或故障预测项目，你是如何处理数据噪声的？
- 在大模型应用于运维场景时，如何解决幻觉问题和保证决策的可解释性？
- 请解释一下因果推断在根因分析中的作用，并举例说明你如何使用过它
- 如果线上出现突发大规模告警风暴，你的算法系统如何快速收敛并定位根因？
- 如何评估一个AIOps算法模型在实际生产环境中的有效性？有哪些关键指标？
职位点评
薪资福利75
成长发展90
工作生活65
使命价值80
薪资福利
75中等
作为中国电信这样的上市巨头企业，校招薪资在成都地区具有较强竞争力，且提供稳定的央企福利体系，但相比头部互联网大厂的高薪期权略逊一筹。
薪资信号未披露（AI估算：1.2千–2.0万/月）
成长发展
90较高
职位高度聚焦于AIOps和大模型应用等前沿技术领域，技术栈先进，且依托电信海量数据场景，能提供极佳的算法落地和成长机会。
技术前沿前沿/新兴技术
技术栈AIOps、LLM、Graph Neural Networks、Causal Inference、PyTorch、Spark
业务类型cost_center
工作生活
65中等
央企通常注重工作与生活的平衡，但运维算法岗位可能需要应对线上故障和紧急需求，工作强度可能高于普通职能岗，具体取决于团队节奏。
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
80较高
通过智能运维技术保障国家关键信息基础设施的稳定运行，具有显著的社会价值和行业使命感，属于稳定成熟行业中的技术创新角色。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs