腾讯
混元AI平台SRE工程师（深圳/北京）
混元AI平台SRE工程师（深圳/北京）
发布于 26 分钟前普通员工/个人贡献者
全职员工仅现场办公DevOps/SRE
DevOps/SRE
Go
Llmops
Sre
云原生
可观测性
故障排查
值不值得投
80综合评分
综合评分 80
大厂核心AI部门、前沿LLMOps技术栈、高薪高成长、工作强度中等偏上
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 19 个
市场机会
选择适中
深圳 · DevOps/SRE · 48 个在招
职位详情
关于这个职位
负责腾讯混元AI平台的生产环境稳定性保障与效能提升
主要工作包括构建可观测性体系、管理LLMOps运维（模型调用监控与成本优化）、自动化故障排查及发布管理，通过技术手段确保大模型服务的高可用性与高效运行
最低要求
本科及以上学历，并取得相应学位，计算机及相关专业优先
年以上运维/SRE/基础架构经验，其中1年以上AI产品、大模型MaaS服务生产环境运维或支持经验
熟悉 Linux 操作系统原理，具备扎实的网络、存储、系统调优与分布式系统基础
熟练掌握至少一种编程语言（Python /Go优先），具备自动化平台、运维工具以及AICoding 工具开发经验
熟悉 AI产品、MaaS、LLMOps/ MLOps 相关技术栈，理解模型服务链路与推理架构
熟悉 Kubernetes、Docker、微服务架构及云原生技术体系，具备大规模容器平台使用或运维经验
具备较强的性能分析、容量规划与故障排查能力，能够在复杂场景下快速定位并解决系统问题
责任心强，具备优秀的跨团队协作与沟通能力，能够推动架构、平台、算法与业务团队高效协同
工作职责
负责AI 产品/平台的日常运行保障、服务监控、故障处理、发布支持和稳定性治理
负责AI产品/平台可观测性体系建设，包括服务指标、接口调用、模型调用、工具调用、任务 Trace、日志、告警和运行看板
负责API模型调用与LLMOps运维，包括模型接口状态、调用延迟、Token 消耗、失败率、限流、模型切换、调用成本和质量变化监控
负责平台服务发布、灰度、回滚和配置变更管理，保障智能体、工具、模型、Prompt、知识库和工作流版本变更可追溯、可回退
负责平台服务故障诊断和问题闭环，定位模型、工具、数据、知识、记忆、权限、接口、配置和系统资源等问题根因
负责建设自动化运维和智能化运维能力，包括自动巡检、异常检测、告警聚合、根因分析、自动恢复、运行报告和运维知识库沉淀
负责与平台服务开发、算法、数据、产品运营和业务团队协同，推动高频问题修复、平台稳定性优化和运维能力持续演进
AI 洞察
优缺点分析
优点
- 接触业界领先的混元大模型技术，积累稀缺的LLMOps实战经验
- 腾讯完善的福利体系和职业发展空间，有利于长期职业成长
- 需要同时懂传统运维和AI算法特性，知识跨度大，学习成本高
- 适合对AI基础设施感兴趣、具备扎实后端/运维功底、喜欢解决复杂技术问题且抗压能力强的工程师
缺点 / 挑战
- 平台规模巨大，能接触到海量数据和高并发场景，技术挑战性强
- AI大模型业务迭代快，对系统稳定性和响应速度要求极高，可能面临较大的线上压力
- 跨团队协作频繁，沟通复杂度较高
角色解读
- 可向高级SRE专家发展，深耕AI基础设施稳定性领域
- 也可转向平台架构师，主导大规模分布式系统设计
- 或向技术管理方向晋升，带领运维团队
- 保障腾讯混元AI大模型平台的生产环境稳定，处理高并发下的故障与性能问题
- 构建针对LLM服务的可观测性体系，监控Token消耗、延迟及模型服务质量
- 开发自动化运维工具，实现智能巡检、根因分析及自动恢复，提升运维效率
- 扎实的Linux、网络及分布式系统底层知识
- 精通Python或Go语言进行自动化运维工具开发
- 深入理解Kubernetes、Docker等云原生技术
- 熟悉LLMOps/MLOps流程，掌握模型服务链路监控与故障排查方法
申请策略
- 准备1-2个复杂的线上故障复盘案例，体现根因分析和系统性改进思路
- 了解腾讯混元大模型的基本特点和技术栈，展现对业务的兴趣和理解
- 突出3年以上SRE或运维经验，重点展示在大规模分布式系统中的故障排查案例
- 强调Python/Go自动化开发能力，提供具体工具或平台的项目成果
- 详细描述LLMOps或MLOps相关经验，如模型监控、成本优化等实践
- 补充Kubernetes深度运维知识，如Helm、Operator开发
- 学习LangChain等LLM应用框架的基础原理，理解Agent、Tool调用链路
- 强化可观测性体系建设经验，熟悉Prometheus、Jaeger等工具的高级用法
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述故障处理过程，强调系统性思维和预防措施
- 对于架构设计类问题，先阐述核心目标（如高可用、低成本），再分模块介绍技术方案，最后说明预期效果
- 请分享一次你处理过的最复杂的线上故障，你是如何定位和解决的？
- 如何设计一个针对LLM服务（如Token消耗、延迟、错误率）的可观测性体系？
- 在Kubernetes集群中，如何优化大规模Pod的资源调度与稳定性？
- 如何利用Python/Go开发自动化运维工具来提升团队效率？请举例说明
- 面对模型服务的高并发请求，如何进行容量规划和限流策略设计？
- 复习Linux内核网络栈、存储IO原理及分布式一致性协议
职位点评
薪资福利85
成长发展90
工作生活60
使命价值75
薪资福利
85较高
腾讯作为上市巨头，提供极具竞争力的薪酬包和完善的福利体系，满足求职者对高薪和稳定性的核心诉求。
薪资信号偏高 (3.0千–5.0万/月)
成长发展
90较高
岗位直接涉及前沿的LLMOps和大模型运维领域，技术栈新颖且处于行业领先地位，能提供极高的技能成长空间。
技术前沿前沿/新兴技术
技术栈LLMOps、MaaS、Kubernetes、Python、Go、可观测性、AI平台
业务类型profit_center
工作生活
60中等
互联网大厂核心业务部门通常工作节奏较快，虽可能有弹性工作制，但需应对线上故障和紧急需求，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
75中等
参与国家头部科技企业的AI基础设施建设，推动人工智能技术发展，具有较高的行业影响力和技术使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
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
Senior Consultant Specialist
汇丰 · 西安市
AI 估算 · 3.5–6.0万1 小时前发布
Senior Consultant Specialist
汇丰 · 广州市
AI 估算 · 3.5–6.0万1 小时前发布
Consultant Specialist
汇丰 · 广州市
AI 估算 · 2.5–4.0万1 小时前发布
Consultant Specialist
汇丰 · 广州市
AI 估算 · 2.5–4.0万1 小时前发布
Consultant Specialist
汇丰 · 广州市
AI 估算 · 2.5–4.0万1 小时前发布
infra工程师/leader
瀚纳仕 · 上海市
AI 估算 · 5.0–7.0万5 小时前发布
Lead Software Reliability Engineer, Defence
格步 · 北京市
AI 估算 · 4.5–7.5万5 小时前发布
DevOps
恩士迅 · 广州市
AI 估算 · 3.5–6.0万10 小时前发布
Watch Jobs