深度求索
Agent Infra 研发工程师
Agent Infra 研发工程师
发布于 2 个月前普通员工/个人贡献者
全职员工仅现场办公信息技术与基础设施
信息技术与基础设施
Kvm
云平台
分布式系统
可观测性
存储
容器化
网络
虚拟化
值不值得投
66综合评分
综合评分 66
AI前沿系统岗，技术成长极快，但工作强度和WLB一般。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
4万
比信息技术与基础设施中位数高
发布情况
长期在招 · 66 天前发布
公司情况
这家公司招聘很活跃
23 个在招
市场机会
选择面较广
杭州 · 信息技术与基础设施 · 59 个在招
职位详情
关于这个职位
这个职位属于深度求索的 Agent 基础设施团队，负责设计和维护托管大规模沙箱环境的云平台 DSec
你将参与虚拟化、容器化、存储、网络、可观测性等方向的研发，解决从操作系统到分布式系统的全栈问题，直接影响下一代 AI Agent 的训练效率
适合对底层系统有热情、追求技术深度的工程师
最低要求
基本背景：
计算机或其他相关专业，本科及以上学历
扎实的系统编程能力（倾向 Rust / C / Python），以及对简洁明了、可维护代码的基本美学素养
对底层机制有着深厚的好奇心，同时热衷于搞懂事物的基本运行原理
有良好的中文沟通能力和团队协作能力
满足下列任意一条即可：
深入了解计算机体系结构，能够清晰描述一次文件写入从调用开始到落盘的全过程以及潜在瓶颈
深入了解大规模分布式系统的组织方式，清楚架构瓶颈产生的原因和与之相关的 trade-off
熟练运用压测和可观测性工具分析、定位涉及多个层级的复杂系统问题
理解可靠系统的设计，并且有意识地确保前人的事故不会在当下重演
有过大型系统的自动化运维、应急响应经验
工作职责
你可以参与以下的任一方向：
虚拟化环境：托管大规模 VM 集群，支持多样的操作系统配置和硬件方案
容器化：加固隔离、缩小逃逸面、降低沙箱资源占用量
适配用户多种多样的需求以支持更高效的模型训练
临时存储：设计专供沙箱的块设备和共享卷方案
虚拟化网络：部署超大规模虚拟网络，允许 Agent 在不离开物理边界的前提下互相通信
云服务：设计混合云架构，开发可观测平台、日志系统、控制面等
可观测性和高可用性：配置监控，设计节点自动上下线流程和应急响应机制
负责平台的稳定运行
优先资格
下面这些每一条都可以加分，但其实没有也没关系：
在 OSDI、SOSP、EuroSys、NSDI、ATC 等系统顶会发表过 OS、存储、网络或虚拟化方向论文
在算法竞赛或者 CTF 等其他计算机竞赛中获得过奖项
有过活跃的开源项目贡献，或者有拿得出手的个人系统项目
设计或部署过大规模 VPC 网络、存储系统、沙箱集群
搭建过或者管理过多种多样的虚拟化环境（比如在 RISC-V 上跑 Arch）
曾经把某些操作系统组件的性能压榨到 SOTA，或者干脆直接压到硬件极限
从 0 到 1 开发部署过需要水平扩展才能撑住的数据密集型应用
或者任何你觉得拿得出手的系统方向成果
AI 洞察
优缺点分析
优点
- 与顶尖系统和AI研究员协作，接触最新技术实践
- B轮公司处于高速发展期，职业发展空间大
- 技术栈深且广，需要较强的系统全栈能力，学习曲线陡峭
- 适合对底层系统有强烈好奇心、喜欢解决复杂技术问题、能承受高强度学习的工程师
缺点 / 挑战
- 直接参与前沿AI基础设施设计与实现，技术挑战大、成长快
- Agent平台对可靠性和性能要求极高，工作压力可能较大
- 需同时掌握多种底层技术，对新手而言门槛较高
角色解读
- 成为系统基础设施领域的专家，解决极复杂的底层问题
- 晋升为技术Leader，带领团队负责更大规模的平台设计
- 横向拓展到AI训练平台、模型部署等更前沿方向
- 设计和维护大规模Agent沙箱云平台DSec，包括虚拟化、容器、存储、网络等基础设施
- 优化系统栈性能，解决从操作系统到分布式系统的各种规模和层次的系统问题
- 开发可观测性、监控和自动化运维工具，确保平台高可用和稳定性
- 扎实的系统编程能力，精通Rust、C或Python之一，且注重代码质量
- 深入理解计算机体系结构、操作系统原理和分布式系统，能定位全链路瓶颈
- 熟悉虚拟化技术（KVM等）和容器化（Docker等），有大规模基础设施经验更佳
申请策略
- 在求职信中展现对系统底层原理的热情和独立思考能力，例如对Agent基础设施的看法
- 了解DeepSeek的技术方向和产品，思考如何将自身经验与之结合
- 突出系统编程项目经历，特别是Rust/C/Python相关的高质量代码作品
- 展示对操作系统、分布式系统或虚拟化领域的深入理解，如个人博客或GitHub项目
- 如有开源贡献、竞赛奖项或顶会论文，务必强调
- 描述过往解决过的大规模系统问题或性能优化案例
- 补充Rust编程经验，完成几个系统级项目（如简易容器、虚拟化实现）
- 阅读Linux内核相关书籍，理解文件系统、网络协议栈等底层机制
面试指南
- 对于底层原理问题，采用分层分析方法：应用层→系统调用→VFS→文件系统→块层→设备驱动→硬件
- 设计类问题，先明确需求边界和约束（规模、性能、成本），再逐步展开架构，讨论trade-off
- 故障分析问题，使用观察→假设→验证的循环，结合可观测性工具定位根因
- 请描述一次文件写入操作从用户态调用到磁盘落盘的完整过程，并指出可能的瓶颈
- 设计一个大规模虚拟网络方案，支持Agent之间的通信，考虑性能和隔离
- 如果容器逃逸漏洞出现，你会如何分析和修复？
- 如何确保一个分布式系统的数据一致性？给出具体场景和方案
- 你有过哪些系统性能优化的经历？举一个例子说明方法和结果
职位点评
薪资福利60
成长发展90
工作生活40
使命价值85
薪资福利
60中等
薪资未明确披露，但AI infrastructure岗位通常薪资较高；公司处于B轮，可能有期权，但稳定性不如大厂。
薪资信号未披露（AI估算：3–5万/月）
成长发展
90较高
工作涉及前沿系统技术（AI Agent基础设施），能与顶尖工程师合作，成长空间巨大。JD中强调'你来决定基础设施形态'，体现自主权和挑战。
技术前沿前沿/新兴技术
技术栈Rust、C、Python、虚拟化、容器化、分布式系统、KVM、可观测性
业务类型profit_center
工作生活
40较低
仅现场办公，杭州和北京为一线或新一线城市，通勤可能较长。JD未提WLB，Agent平台对稳定性要求高，可能需应对紧急响应。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
AI行业高速增长，Agent基础设施直接推动模型能力提升，社会影响力较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号你来决定新时代 Agent 基础设施的形态、你的工作直接决定了 Agent 模型训练的多样性和效率
创新程度开拓性创新（行业首创）
Watch Jobs