平台算法工程师（算法工程）-【可灵AI专项】

优缺点分析

角色解读

• 在AI基础设施方向深耕，成为推理系统专家，主导大规模平台架构设计
• 向技术管理方向发展，带领团队负责核心平台建设
• 横向拓展至AI训练、数据工程等领域，成为全栈AI工程师
• 负责可灵平台模型推理系统与服务部署框架的研发，构建高性能标准化推理服务，支撑视频生成模型的高效运行
• 搭建数据平台和工具链，覆盖内容理解算法流程，辅助模型迭代和部署，提升开发效率
• 通过软硬件协同优化推理性能，包括算子优化、显存管理、分布式推理等，降低延迟和成本
• 扎实的编程基础，熟练掌握Java、Go、Python，具备服务端系统开发经验
• 了解大模型推理或训练框架，如vLLM、SGLang、PyTorch，对GPU、CUDA等硬件加速有一定认识
• 具备性能分析和调优能力，能够针对瓶颈进行系统性优化
• 良好的沟通能力和文档习惯，能跨团队协作

申请策略

• 关注快手可灵AI的公开技术和产品动态，在面试中展现对业务的了解
• 强调对性能优化的热情，可以准备一个具体的优化案例
• 突出服务端开发经验，尤其是高并发、高性能系统的设计和实现
• 如果有大模型推理或训练相关项目，详细描述使用的框架和优化手段
• 展示编程语言熟练度，特别是Java/Go/Python，可以附上GitHub或技术博客
• 如果有竞赛获奖经历（如ACM）或开源贡献，务必突出
• 提前熟悉vLLM、SGLang等推理框架的源码和架构
• 学习GPU编程基础（CUDA）和性能分析工具（如NVIDIA Nsight）

面试指南

• 用STAR法则描述项目经历：情境-任务-行动-结果，突出技术细节和个人贡献
• 对于系统设计题，从需求分析、架构选型、关键技术点、扩展性、容灾等方面结构化回答
• 性能优化问题，先定位瓶颈（profiling），再提出分层优化策略（算法-框架-硬件），并说明权衡
• 请介绍一下你参与过的最复杂的服务端系统，遇到的挑战和解决方案？
• 你熟悉哪些大模型推理框架？它们的工作原理是什么？如何优化性能？
• 如何设计一个高可用的模型推理服务？考虑哪些因素？
• 给定一个性能瓶颈，你如何定位并优化？
• 你对可灵AI这个产品方向有什么理解？