米哈游
MaaS平台开发工程师
MaaS平台开发工程师
发布于 大约 7 小时前普通员工/个人贡献者
全职员工仅现场办公云计算
云计算
Api网关
Go
Maas
分布式系统
微服务
模型服务
值不值得投
70综合评分
综合评分 70
AI平台开发核心岗，技术栈现代，在游戏大厂积累云原生与MaaS架构经验，WLB情况未知。
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
33K
与云计算中位数基本持平
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 930 个在招
市场机会
选择适中
上海 · 云计算 · 30 个在招
职位详情
关于这个职位
负责米哈游MaaS平台（Model as a Service）的核心产品功能开发与快速迭代
该岗位主要处理在线/离线推理服务、模型管理（模型广场）、Agent生态（MCP, Agent Gateway）等控制面能力的建设，并参与设计与实现跨集群、多服务的数据面流量分发与治理策略
技术栈以Go和Kubernetes为主，面向公司内部AI应用与对外提供标准化模型服务
最低要求
必须满足（硬性）：
计算机相关专业本科及以上，3 年以上后端/平台开发经验（硕士 2 年+）
熟练使用 Go 开发服务端，有微服务/分布式系统实战
熟悉 Kubernetes，有基于 K8s 的服务部署、配置与排障经验
有 MaaS 平台 / 公有云 AI 平台 / 推理平台的产品或开发经验（简历中需体现实际参与的平台模块）
有平台型产品或中后台系统的开发经验，能独立负责功能模块的端到端交付
熟悉 MySQL/PostgreSQL、Redis、Kafka 等常用中间件，理解高并发、缓存、队列
具备快速迭代与自测能力，有产品感觉，能和产品/前端高效协作
工作职责
工作职责: 岗位定位
负责 MaaS 平台的产品功能开发与快速迭代，覆盖在线/离线推理服务、模型广场、模型挂测、MCP、Agent Gateway 等控制面能力，以及数据面跨集群/多服务的流量分发
技术栈以 Go 为主，K8s 为底座，快速测试与发布上线
主要职责
推理产品功能开发
在线推理服务：服务创建/配置/发布/下线、API/SDK（OpenAI 兼容协议）产品化
离线推理服务：批量推理任务的提交/调度/结果回收
模型广场（Model Catalog）：模型目录、版本、别名、上下线与元数据管理
模型挂测：模型效果/性能评测接入与榜单/报告产品化
MCP、Agent Gateway 等 Agent 生态相关的控制面能力
数据面流量治理（与数据面网关协作，负责策略与配置）
配额：租户/项目/Key/模型维度的额度管理（RPM/TPM/并发等），配额的查询、调整与超限处置
流控：限流/熔断/降级策略的配置与下发，超限返回 429 与 Retry-After，保障后端不被打爆
路由策略：按模型/版本/租户/地域/灰度比例等维度的流量分发规则，跨集群、多服务的路由配置与灰度切流
保证流量分发的正确性与可观测，配合定位流量相关问题
功能迭代与交付：需求拆解、接口设计、编码、自测、联调，快速迭代、测试与发布上线
线上问题的定位与修复
工程质量：编写接口文档与单测，参与 Code Review
对所负责功能的可用性与质量负责
优先资格
了解推理链路与基本原理（模型部署、Runtime、流式输出、TTFT/TPOT 等）
熟悉 Agent / MCP / Function Calling 等 LLM 应用生态
有数据面流量分发、API 网关（Kong/APISIX/Envoy）或跨集群调度经验
有 OpenAI-compatible API 开发或对接经验
AI 洞察
优缺点分析
优点
- 技术栈现代且核心：深入Go语言、Kubernetes和云原生领域，是当前和未来的主流技术方向
- 业务领域前沿：参与构建公司级的AI模型服务平台（MaaS），能深入接触和理解大模型应用与落地
- 平台复杂度高：有机会负责从控制面到数据面的完整链路，锻炼复杂系统设计和工程能力
- 公司平台优质：在头部游戏科技公司从事核心基础设施建设，项目影响力较大
- 平台系统复杂度高，需要同时理解业务需求、产品形态和底层技术，对个人综合能力要求高
- AI技术和平台需求快速迭代，需要持续学习新技术（如LLM应用生态）并快速响应业务变化
- 适合对构建大规模、高可用云原生平台有热情，精通Go和Kubernetes，并希望深入AI基础设施领域的后端工程师
缺点 / 挑战
- 作为平台开发，需要与多个团队（产品、前端、数据面、AI算法）协作，沟通协调成本可能较高
角色解读
- 技术专家路线：深入云原生、AI平台架构，成为分布式系统或AI Infra领域的技术专家或架构师
- 技术管理路线：在积累足够项目经验和技术深度后，可转向技术团队管理岗位
- 产品方向：凭借对平台产品的深度理解和开发经验，可转型为AI平台或基础设施产品经理
- 负责构建和迭代公司的AI模型服务平台（MaaS），使其能高效、稳定地对外提供模型推理服务
- 开发在线/离线推理、模型管理（模型广场）、Agent生态控制面等核心产品功能模块
- 设计和实现跨集群、多服务的流量分发与治理策略，包括配额、流控、路由等，保障平台高可用与可观测
- 精通Go语言进行服务端开发，具备扎实的微服务与分布式系统设计、开发与排障能力
- 熟练掌握Kubernetes，有云原生环境下的服务部署、配置管理、故障排查实战经验
- 熟悉MySQL/Redis/Kafka等中间件，理解高并发场景下的数据一致性、缓存与队列设计
- 对AI模型推理服务（如MaaS、公有云AI平台）的架构和流程有实际开发或产品经验
申请策略
- 研究米哈游的技术博客和公开分享，了解其技术栈和工程文化，在面试中体现你的准备和兴趣
- 思考如何将你的经验应用到MaaS平台的特定模块中，例如，如何设计一个高并发的配额服务
- 突出使用Go语言进行微服务/分布式系统开发的项目经验，量化性能、稳定性或规模提升
- 详细描述基于Kubernetes进行服务部署、编排、监控和排障的具体实践
- 列举参与过的平台型产品或中后台系统开发案例，强调独立负责模块和端到端交付能力
- 如有AI平台（如推理平台、模型管理平台）或相关中间件（Redis, Kafka, 网关）经验，务必重点阐述
- 深入学习并实践Kubernetes的高级特性，如Operator开发、网络策略、存储编排等
- 研究AI模型服务化的完整链路，包括模型部署、推理优化、监控等，可结合开源项目（如Ray, Triton）学习
面试指南
- 采用STAR法则（情境、任务、行动、结果）来组织项目经验的回答，突出你的技术决策和实际贡献
- 对于系统设计类问题，先阐述核心目标（高可用、可扩展、高性能），再从架构、数据模型、接口、容错等层面展开
- 回答技术原理问题时，结合具体项目经验，说明你不仅知道“是什么”，更理解“为什么”和“怎么用”
- 请描述一个你负责的基于Kubernetes的微服务项目，遇到了哪些挑战，你是如何解决的？
- 在高并发场景下，如何设计一个可靠的配额或流控服务？请说明技术选型和关键设计点
- 你对MaaS平台有什么理解？你认为一个完善的MaaS平台应该包含哪些核心模块？
- 请介绍你使用Go语言开发服务时，如何保证代码质量和性能？
- 当线上出现流量突增导致服务不稳定时，你的排查思路和解决步骤是怎样的？
职位点评
薪资福利70
成长发展88
工作生活50
使命价值65
薪资福利
70中等
该职位薪资处于市场中等偏上水平，但作为游戏行业内的非核心业务岗位，薪资竞争力可能不及头部互联网大厂的同技术岗位。
薪资信号市场水准 (25K-40K/月)
成长发展
88较高
该职位技术栈现代（Go, K8s），且工作于AI平台（MaaS）这一前沿领域，能为候选人提供宝贵的云原生和AI基础设施开发经验，成长空间明确。
技术前沿前沿/新兴技术
技术栈Go、Kubernetes、MaaS、API Gateway、Kafka、Redis、OpenAI-compatible API
业务类型profit_center
工作生活
50较低
工作地点位于上海市中心区域，但JD未提及任何关于工作模式、弹性或WLB的信息，无法判断日常工作的强度与灵活性。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
65中等
该职位服务于公司内部AI能力建设，间接支持游戏开发和创新，属于重要但非直接面向社会的岗位，社会影响力感知一般。
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