云原生 DevOps 研发工程师-2027届

优缺点分析

角色解读

• 实习期间可深入云原生和 DevOps 核心技术，积累大规模基础设施经验，为转正或校招打下坚实基础
• 未来可向资深 DevOps 工程师、SRE 或平台工程专家方向发展，也可横向拓展 AI 工程化能力
• 表现优异者有机会参与公司核心 AI 基础设施设计，成为技术团队骨干
• 参与建设云原生 DevOps 平台，支撑公司核心研发、训练、推理和业务服务的高效交付
• 搭建并维护 CI/CD 流水线、GitOps 工具链、环境管理与自动化运维系统
• 基于 Kubernetes 生态如 ArgoCD、Helm、Tekton 等工具提升发布效率和稳定性
• 探索 AI Coding 与 Agent 技术，将其应用于工程平台，提升研发与排障自动化水平
• 掌握 Linux、网络、容器（Docker）和 CI/CD 基础知识，对研发效能有浓厚兴趣
• 熟悉 Kubernetes 及相关工具（Helm、ArgoCD、Terraform 等）者优先
• 至少掌握一门编程语言（Go/Python/Shell），具备工具平台或自动化脚本开发经验
• 对 AI 原生工程效率、自动化平台有热情，乐于使用 AI 工具提升开发效率

申请策略

• 在简历中展示个人项目链接（如 GitHub），体现工程实践和代码质量
• 提前了解稀宇科技（MiniMax）的产品方向，在面试中表达对 AI 工程化的兴趣
• 突出 Linux、容器、CI/CD 相关项目或课程实践，如搭建过 Jenkins 流水线或使用 Docker 部署应用
• 强调编程能力，展示用 Go/Python/Shell 编写的自动化脚本或工具
• 如果有 Kubernetes 使用经验（如部署应用、编写 Helm Chart），务必详细描述
• 体现对 AI Coding 工具（如 GitHub Copilot）的使用热情和成果
• 如果没有 K8s 实战经验，建议先通过 minikube 或 kind 本地搭建集群，练习部署应用和编写 YAML
• 学习 GitLab CI 或其他 CI/CD 工具的基本配置，尝试自动化构建和部署

面试指南

• 对于技术问题，采用「背景-方案-结果」结构：先说明任务背景，再描述具体技术方案和实施过程，最后总结效果和反思
• 对于故障排查题，使用「定位-分析-修复-复盘」框架：先描述如何快速定位问题（如日志、监控），再分析根因，然后给出修复措施，最后总结如何避免类似问题
• 请描述一次你搭建 CI/CD 流水线的经历，遇到了哪些问题？
• Docker 和 Kubernetes 的区别是什么？如何将应用部署到 K8s 集群？
• 解释 GitOps 的理念以及 ArgoCD 的工作原理
• 你如何使用 AI 工具（如 Copilot）提升开发效率？请举例
• 当线上服务发布后出现故障，你的排查步骤是怎样的？
• 复习 Docker、Kubernetes 核心概念（Pod、Service、Deployment、Helm），并亲手操作一些常用命令