AI Infra平台研发工程师（大模型开发机方向）-Seed

优缺点分析

角色解读

• 可向AI Infra架构师或技术专家方向发展，深入云原生与GPU调度领域
• 有机会转向机器学习平台、训练平台的核心研发，成为AI基础设施领域的领军人才
• 未来可晋升为技术团队负责人或基础架构负责人，带领团队建设更大规模平台
• 负责大模型开发机平台的后端系统设计，包括生命周期管理、权限隔离等核心功能
• 优化基于Kubernetes的资源编排与调度体系，支持CPU/GPU、存储、网络等复杂资源管理
• 建设云端开发环境，如VS Code Server、SSH、Web IDE等，提升算法研发效率
• 参与平台架构设计，保证稳定性、可扩展性和可观测性
• 熟练掌握至少一种主流后端语言（Go/Java/Python等），具备扎实的系统设计能力
• 深入理解Kubernetes生态，熟悉Pod、CRD、Operator、Scheduler等核心机制
• 具备分布式系统、高可用架构、缓存、消息队列、数据库设计等后端架构经验
• 了解GPU调度、资源隔离、弹性伸缩等资源编排技术

申请策略

• 在简历中展示对AI Infra领域的独特见解，可提及对字节跳动Seed团队的了解
• 准备一个完整的平台项目案例，从需求分析到架构设计再到落地效果
• 突出Kubernetes和容器化项目经验，特别是Operator、调度器相关开发
• 强调分布式系统或平台开发经历，展示系统架构设计能力
• 如有GPU集群、资源调度、MLOps平台经验，务必重点描述
• 体现与算法、基础设施团队协作的跨团队沟通能力
• 深入学习Kubernetes operator开发模式和自定义控制器实现
• 了解GPU虚拟化技术（如MIG、vGPU）和主流调度框架（如Volcano、Kueue）

面试指南

• 使用STAR法则：情境、任务、行动、结果，结构化地展示项目经验
• 对于设计类问题，先明确需求，再提出架构，强调可扩展性和容错性
• 结合具体技术细节，深入原理，体现技术深度
• 如何设计一个支持多租户的开发机平台，保证资源隔离和高效调度？
• Kubernetes调度器如何实现GPU资源分配？请谈谈你的理解
• 如何保证平台的高可用和可扩展性？
• 请详细讲解你过去负责的一个平台系统，从设计到部署
• 如何排查线上故障，比如Pod无法启动或资源不足？