小红书
【2027校招】数据引擎AIOps/Agent研发
【2027校招】数据引擎AIOps/Agent研发
发布于 大约 15 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
Aiops
Mlops
Pytorch
Tensorflow
大数据
异常检测
时序预测
机器学习
深度学习
值不值得投
77综合评分
综合评分 77
校招技术岗，前沿技术栈，薪资市场水准，WLB未明确。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
20K
比DevOps/SRE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 1400 个在招
市场机会
选择面较广
上海 · DevOps/SRE · 94 个在招
职位详情
关于这个职位
作为校招岗位，你将负责大数据计算与存储引擎的稳定性、成本优化和效率提升，同时探索AIOps和Agent技术在大数据领域的应用，构建智能数据平台，推动业务价值增长
最低要求
本科及以上学历，计算机相关专业
有大数据领域的经验，深入原理并有相关真实场景的实践
熟悉机器学习/深度学习算法（如LSTM、GNN、异常检测算法等），熟练掌握数据ETL流程、PyTorch / TensorFlow 及 MLOps 生产工具链
熟悉业界AI最新动态和技术，并能快速调研和落地
工作职责
负责大数据计算、存储引擎的稳定性、成本和效率方向工作，包括风险管理、变更管控、成本治理、性能优化、运维运营效率提升等
深入理解各大数据组件的架构及其支撑的业务（搜推、广告、风控、AGI等），帮助不断提升数据+AI 业务的价值
负责大数据PaaS平台和AI Agent建设，探索和落地大数据领域Agent和AIOps技术风险领域的前沿技术和应用场景，包括智能问答、推理分析、容量规划、数据治理、业务诊断、风险预测等，并将研究结果应用到数据平台和数据业务领域，不断推动服务能力升级
整合多源异构数据来源，构建数据和AI基座，设计和实现数据引擎Agent架构
解决算法工程化的问题，包括端到端应用算法解决方案、模型优化和在线模型更新、场景仿真实验和调优等，不断提升各应用场景的召回率和准确率
优先资格
有深度参与如下方向实习或实践经验者优先：大规模云平台的资源分配、调度优化和中长期资源规划
技术风险领域的时序预测、异常检测、定位诊断场景
智能问答，熟悉chatOps、智能客服等相关领域，并结合LLM实现多个智能体的整合
其他类似的Data+AI领域，并且有一定规模实际场景的落地效果
AI 洞察
优缺点分析
优点
- 技术栈前沿，涉及AIOps、Agent等新兴领域，能积累宝贵经验
- 公司平台大，业务场景丰富（如搜推、广告），提供广阔发展空间
- 校招岗位有培养机制，适合从零开始深入技术领域
- 技术难度高，需要同时掌握大数据和AI知识，学习曲线陡峭
- 竞争激烈，需在复杂业务中快速产出实际效果
- 对大数据和AI技术有浓厚兴趣、愿意深入原理、喜欢解决复杂工程问题的应届毕业生
缺点 / 挑战
- 可能面临高强度项目交付，快速迭代带来工作压力
角色解读
- 校招生成长为大数据或AIOps领域的技术专家，负责核心系统设计
- 向架构师方向发展，主导数据平台整体技术方案
- 转向AI研发或产品方向，结合业务需求推动技术创新
- 负责大数据引擎的稳定性优化、成本治理和性能提升，保障数据平台可靠运行
- 探索AIOps和Agent技术在大数据领域的应用，如智能问答、风险预测，推动平台智能化
- 整合多源数据，设计Agent架构，解决算法工程化问题，提升业务场景的准确率
- 熟悉大数据组件（如Hadoop、Spark）和原理，有实际优化经验
- 掌握机器学习/深度学习算法（如LSTM、GNN），熟练使用PyTorch/TensorFlow等工具链
- 了解AIOps、Agent技术，能快速学习并落地前沿AI动态
- 具备数据ETL、MLOps生产实践能力，能处理算法工程化问题
申请策略
- 关注小红书业务（如内容推荐、电商），理解数据技术如何驱动增长
- 准备面试时，复习大数据组件原理和算法案例，展示系统性思维
- 突出大数据项目经验（如性能优化、平台搭建），展示实践能力
- 强调机器学习算法竞赛或实习成果，证明算法基础
- 列出相关技术栈（如PyTorch、MLOps工具），匹配职位要求
- 如果有AIOps或Agent相关研究，可单独描述以体现前沿意识
- 深化机器学习算法知识，特别是时序预测、异常检测等方向
- 学习AIOps框架（如Prometheus、Grafana）和Agent开发工具，提前熟悉技术生态
面试指南
- 使用STAR法则（情境、任务、行动、结果）组织回答，突出个人贡献
- 结合具体技术细节（如算法原理、工具链），避免泛泛而谈
- 强调问题解决思路，展示逻辑分析和学习能力
- 如何优化一个大数据计算引擎的性能？请结合具体场景说明
- 解释AIOps在技术风险领域的应用，并举例智能问答的实现方案
- 描述你参与过的机器学习项目，包括模型选择和在线更新过程
- 如何设计一个数据引擎Agent架构来整合多源异构数据？
- 你对大数据领域最新的AI动态（如LLM）有什么了解？
职位点评
薪资福利70
成长发展90
工作生活60
使命价值80
薪资福利
70中等
校招薪资在一线城市有竞争力，但具体福利未提及。
薪资信号市场水准 (15K-25K/月)
成长发展
90较高
职位涉及AIOps、Agent等前沿技术，提供丰富的技能成长机会。
技术前沿前沿/新兴技术
技术栈大数据、AIOps、Agent、机器学习、PyTorch
业务类型ambiguous
工作生活
60中等
工作模式未明确，可能现场办公，WLB情况未知。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
数据和AI领域处于高速增长赛道，技术创新空间大。
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
小红书 的其他在招职位
相似职位推荐
Watch Jobs