腾讯
AI Infra SRE工程师（深圳/北京）
AI Infra SRE工程师（深圳/北京）
发布于 4 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 Infra
Go
Gpu Scheduling
Mcp Server
Sre
值不值得投
80综合评分
综合评分 80
前沿AI Infra技术、高薪大厂平台、高强度挑战、侧重技术成长
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，方便横向比较。
薪资怎么样
4.0万
比DevOps/SRE中位数高
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 1850 个在招 · 其中DevOps/SRE 14 个
市场机会
选择面较广
北京 · DevOps/SRE · 93 个在招
职位详情
关于这个职位
负责腾讯AI基础设施的稳定性与自动化建设，通过K8s、Go/Rust等技术开发Agent决策工作流及MCP Server
核心职责包括GPU集群管理、告警降噪、多Agent协作及系统可观测性，确保AI业务在复杂环境下的确定性执行与高效运维
最低要求
计算机基础扎实（数据结构、操作系统、网络）
精通 Go / C++ / Java / Rust 之一
熟悉 Linux、容器 、K8s 编排与 Cloud Native 体系
对系统故障有好奇心，对云计算运维开发有兴趣
熟练用 AI 编程工具做真实工程，能说清其不可靠场景与验证方式
理解 LLM 能力边界（幻觉、上下文长度、非确定性）
做过 Agent / MCP 开发（MCP Server、Agent 工作流、RAG、A2A 通信）
有 AI 落地生产经验，处理过「模型不可靠但业务要确定」的矛盾
理解 AI Infra（推理部署、GPU 调度、vLLM / SGLang） 体系
工作职责
资源交付与工作流编排：单模型交付、DAG 编排、断点续跑、幂等补偿
设计「Agent 决策 + 确定性执行」分层，高危动作（扩缩容/下架/驱逐）走可审计，可回滚的确定性工作流
Agent 触发的操作也须幂等
基于 K8s client-go 的集群台账、节点生命周期、GPU 拓扑
把实态数据做成 Agent 可消费的形态（稳定语义、数据新鲜度、分页接口）
支持自然语言查询
平台底座：RBAC/API 网关/公共库
建设 MCP Server 暴露平台能力
把 RBAC 扩展到 Agent 身份（权限/越权/会话过期）
Agent 调用全链路审计
告警降噪与根因定位
AI 结论须附证据可追溯
Agent 运行时（工具注册、上下文装配、状态管理、重试超时）
多 Agent 协作与上下文工程
建设 Evals 评测集
AI 洞察
优缺点分析
优点
- 接触最前沿的AI Infra技术栈（Agent/MCP/GPU调度），技术壁垒高，职业护城河深
- 需平衡AI的不确定性与业务确定性要求，系统复杂度高，故障排查难度大
- 热爱底层系统优化，对AI工程化落地有浓厚兴趣，具备极强问题解决能力的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI基础设施架构师、SRE专家或技术负责人方向发展，深耕AI与运维交叉领域
- 负责构建和维护支撑AI大模型业务的底层基础设施，确保高可用性和自动化水平
- 精通Go/C++等后端语言，深入掌握K8s及云原生技术，熟悉AI Agent开发与MCP协议
申请策略
- 准备具体案例说明如何处理“模型幻觉”导致的系统异常，展现工程严谨性
- 突出K8s二次开发、GPU资源调度优化、以及Agent/MCP相关项目的实战经验
- 深入理解LLM运行机制及局限性，强化分布式系统一致性与幂等性设计能力
面试指南
- 采用STAR法则，重点描述在复杂约束下（如不确定性、高并发）的系统设计思路、权衡取舍及最终效果
- 如何设计一个支持自然语言查询的K8s集群台账系统？
- 在Agent触发高危操作时，如何保证幂等性和可回滚性？
- 如何处理GPU调度中的碎片化和异构兼容问题？
- MCP Server在设计上如何保障Agent调用的安全性与审计追踪？
- 复习K8s核心原理，了解vLLM/SGLang等主流推理框架，梳理过往项目中关于自动化与稳定性的最佳实践
职位点评
薪资福利85
成长发展92
工作生活60
使命价值70
薪资福利
85较高
腾讯作为头部大厂，提供极具竞争力的薪酬福利和稳定的职业发展平台，满足度高。
薪资信号偏高 (3.0千–5.0万/月)
成长发展
92较高
岗位涉及AI Infra、Agent、MCP等前沿技术领域，技术成长空间巨大，符合发展性动机。
技术前沿前沿/新兴技术
技术栈Agent、MCP、Kubernetes、Go、GPU Scheduling、vLLM
业务类型profit_center
工作生活
60中等
互联网大厂通常工作节奏较快，虽未明确提及加班，但核心研发岗压力较大，WLB一般。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
通过提升AI基础设施效能，间接推动AI业务发展，具有一定的社会价值和技术使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
腾讯 的其他在招职位
相似职位推荐
Watch Jobs