快手
云基础设施工程师（可灵AI）
云基础设施工程师（可灵AI）
发布于 2 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
Gitops
Go
Opentelemetry
Sre
值不值得投
78综合评分
综合评分 78
快手可灵AI核心基础设施岗，技术栈前沿且成长空间大，薪资具竞争力，但需承担一定的稳定性保障压力。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
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 2590 个在招 · 其中DevOps/SRE 5 个
市场机会
选择面较广
北京 · DevOps/SRE · 55 个在招
职位详情
关于这个职位
作为快手可灵AI团队的云基础设施工程师，你将负责Kubernetes集群、容器、网络、存储等基础设施的交付与运维，并参与稳定性建设、自动化平台开发及流量接入保障
该岗位涵盖基础设施、可观测性、平台工程等多个方向，旨在通过技术手段提升研发效能与系统稳定性
最低要求
计算机或相关专业本科及以上学历，具备 3 年以上 SRE、云平台运维、DevOps 或运维开发经验
熟悉 Linux 操作系统和计算机网络基础，具备生产环境问题分析和故障排查能力
掌握 Go、Python 或 Shell 中至少一种，能够通过程序或脚本解决重复性运维问题
具备良好的生产风险意识，理解变更、回滚、应急响应和事故复盘等基本方法
具备良好的文档能力、沟通能力和跨团队协作能力
工作职责
基础设施与容器方向：负责计算、容器、网络、存储及负载均衡等基础设施的交付和运维
负责 Kubernetes 集群及基础组件的升级、容量管理、故障排查、变更发布和容灾演练
稳定性与可观测方向：建设和完善指标、日志、链路、告警及 SLO 体系
参与线上故障应急响应，完成影响评估、止损恢复、根因分析和改进项落地
推进风险治理、故障预防、自动恢复和稳定性专项建设
自动化与平台工程方向：使用 Terraform、GitOps 等技术推动基础设施即代码和自动化交付
参与变更平台、自助交付平台及运维工具的设计与开发
优化基础设施交付流程，减少人工操作并提升研发团队的使用体验
资源与架构治理方向：参与资源清单、配置基线、生命周期、容量和成本治理
参与跨地域网络、容灾架构和基础设施标准化建设
与研发、安全、网络及业务团队协作，推动基础设施问题的端到端解决
流量接入方向：负责域名、DNS、CDN、WAF、负载均衡、API 网关及 Kubernetes Gateway/Ingress 等流量接入基础设施的建设和运维
负责流量路由、灰度发布、限流熔断、跨地域调度及故障切流能力建设，保障业务流量接入的稳定性和可扩展性
参与流量链路的性能优化、安全防护、容量规划和故障排查，推动接入标准化与自动化
优先资格
熟悉 Kubernetes，具备容器平台建设或生产运维经验
熟悉主流公有云或私有云平台，具备计算、网络、存储或负载均衡等资源的运维经验
具备监控告警、容量管理、故障应急、容灾演练或 SLO 建设经验
熟悉 Prometheus、Grafana、OpenTelemetry 或同类可观测技术
熟悉 Terraform/OpenTofu、GitOps 等自动化技术
有变更平台、自助交付平台、CI/CD 或运维工具开发经验
有多账号、多地域、混合云或多云环境的规划与治理经验
有容量规划、成本优化、配置基线、资源生命周期或跨地域容灾经验
在容器、网络、可观测、运维开发或资源治理中的某一领域具备较强技术深度
有 0-1 公有云搭建和运维经验
AI 洞察
优缺点分析
优点
- 依托快手可灵AI这一核心创新业务，能接触到海量算力调度与大规模云原生架构场景
- 技术栈全面且前沿，涵盖K8s、IaC、可观测性等主流云原生技术，利于个人技术深度与广度的双重积累
- 上市公司平台，基础设施团队体系成熟，能学习到规范化的SRE与稳定性建设方法论
- AI业务算力需求波动大，对基础设施的弹性伸缩、成本治理及高可用保障提出极高要求
- 涉及方向众多（容器、可观测、平台工程、流量接入等），需要快速学习并具备跨领域的问题排查能力
- 适合具备3年以上SRE/DevOps经验，对云原生技术有热情，且希望在大规模AI业务场景下深耕基础设施架构的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 向资深SRE或云原生架构师方向发展，深入底层系统优化与大规模集群治理
- 横向拓展至平台工程负责人，主导企业级DevOps/运维平台架构设计与演进
- 负责快手可灵AI业务的云基础设施交付与运维，涵盖计算、容器、网络、存储等核心组件
- 建设并完善系统的可观测性体系（指标、日志、链路、告警），保障线上高可用与稳定性
- 推动基础设施即代码（IaC）和自动化交付，开发运维工具与自助平台，提升研发效能
- 扎实的Linux与网络基础，精通Kubernetes集群运维及故障排查
- 熟练掌握Go/Python/Shell至少一种语言，具备自动化脚本或平台开发能力
- 熟悉Terraform、GitOps等自动化工具，以及Prometheus、Grafana等可观测技术栈
申请策略
- 了解快手可灵AI的业务形态及算力需求特点，在面试中展现对AI基础设施挑战的理解与思考
- 突出Kubernetes集群管理、容量规划及故障排查的实战经验，特别是大规模集群的运维案例
- 展示使用Go/Python开发运维工具、自动化平台或参与CI/CD流程优化的具体项目成果
- 强调在可观测性体系（SLO、Prometheus等）建设或Terraform/GitOps落地方面的深度实践
- 深入学习K8s底层原理及云原生网络/存储机制，提升复杂故障的根因分析能力
- 补充AI算力调度、GPU容器化（如NVIDIA Device Plugin）等相关知识，以契合可灵AI的业务特性
面试指南
- 故障排查类：遵循‘先止损后排查’原则，从监控告警入手，逐层下钻（网络->节点->Pod->应用），结合日志与链路追踪定位根因
- 架构设计类：明确业务痛点与目标，对比现有方案，提出演进路线，强调自动化、标准化与可观测性的闭环
- 在Kubernetes集群中，遇到Pod频繁重启或网络不通的问题，你的排查思路是什么？
- 如何设计并落地一套完整的SLO体系？在SLI选取和错误预算消耗告警方面有哪些经验？
- 请分享一个你使用Terraform或GitOps优化基础设施交付流程、减少人工操作的实际案例
- 面对AI业务突发的算力需求暴增，基础设施团队应如何进行容量规划与弹性调度？
- 复习K8s核心组件原理、网络模型（CNI）及存储机制，准备1-2个线上复杂故障排查的复盘案例
- 了解当前云原生领域的最新实践，如FinOps（成本优化）、Platform Engineering（平台工程）的理念与落地工具
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
快手作为头部互联网上市公司，薪资具备市场竞争力，且该岗位属于核心AI业务的基础设施支撑，薪酬水平预计处于行业中上。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位涉及云原生、IaC、可观测性等前沿技术，且依托AI大模型业务，能接触到极具挑战的大规模算力调度场景，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Kubernetes、Terraform、GitOps、Prometheus、Grafana、OpenTelemetry、Go、Python
业务类型cost_center
工作生活
50较低
JD未明确提及工作模式与WLB信息，但作为核心AI业务的基础设施保障岗，线上故障应急响应和容灾演练可能带来一定的On-call压力。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
支撑可灵AI这一前沿大模型业务，推动AI技术落地，具有较高的行业前景与技术使命感。
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
Watch Jobs