#DevOps AI 应用开发工程师#（北京/深圳）

优缺点分析

角色解读

• 从核心研发向 DevOps AI 架构师或技术专家发展，深入解决复杂系统架构问题
• 未来可深耕 AI 平台工程（AI Platform Engineering）领域，成为大模型落地应用的领军人物
• 负责腾讯 DevOps 平台中 AI 研发全流程产品的开发与架构设计，打造高效易用的研发工具链
• 作为核心研发人员主导技术方案，推动大模型等 AI 技术在 DevOps 场景的落地与持续优化
• 熟练掌握 Python/Go/C++ 至少一种语言，并精通 Shell 与 Kubernetes 容器编排技术
• 熟悉 DevOps 工具链及大模型应用开发，具备优秀的架构设计能力和跨团队协同推动能力

申请策略

• 了解腾讯内部的 DevOps 平台（如腾讯云 CODING）及 AI 战略，面试时可结合其实际业务场景提出自己的思考与优化建议
• 突出 Python/Go/C++ 及 K8S 的实际项目经验，展示在复杂系统架构设计中的具体贡献
• 重点展示在 DevOps 工具链开发或大模型应用落地方面的具体成果与数据指标（如效率提升百分比）
• 深入学习大模型（LLM）在代码生成、自动化测试、智能运维等 DevOps 场景的应用案例与 RAG/Agent 架构
• 提升系统架构设计与性能优化能力，熟悉云原生环境下的 AI 资源调度与效能优化

面试指南

• 采用 STAR 法则（情境、任务、行动、结果）描述项目经验，突出个人在其中的核心贡献与量化收益
• 技术问题上，从架构设计、技术选型、性能优化、业务收益四个维度展开回答，展现系统性思维
• 请分享一个你主导的 DevOps 平台或大模型应用落地的项目，遇到了哪些技术难点及解决方案？
• 在 K8S 环境下，如何优化 AI 应用的资源调度与系统架构以提升易用性？
• 如何评估大模型在 DevOps 场景中的实际落地效果与 ROI？
• 跨团队推动项目时，如果遇到其他团队配合度不高或目标不一致，你会如何处理？
• 复习 Python/Go 底层原理及 K8S 核心组件机制，准备应对底层技术细节的深挖
• 准备 1-2 个大模型应用落地的完整案例，包括 Prompt 工程、RAG 架构或 Agent 设计的具体实践